近年人工智能 (AI) 技術蓬勃發展，幾乎任何跟人工智能扯上關係的公司都變得灸手可熱。究竟人工智能將如何應用於醫療領域？這場由人工智能掀起的浪潮又會對醫療領域產生什麽影響？
香港城市大學電腦科學系副教授陳漢偉博士表示，人工智能已有近70年歷史，非今時今日技術，過往香港醫療界亦有應用人工智能。「十多年前曾經協助醫院管理局利用人工智能設計流程，編排護士和病人助理的更表。由於護士擁有不同的專長，不同醫院、病房又有不同的要求，而且要盡量編更平均，避免不停追更，所以人手難以安排。」他補充：「人工智能亦可以編排醫生、病房、手術室分配，在資源有限的局限下，盡可能善用資源，幫助最多病人。」
他認爲，由於這幾年雲端計算發展成熟，硬件成本下降，造就深度學習 (Deep Learning)、大數據 (Big Data)、認知計算 (Cognitive Computing) 等等人工智能技術在新一波浪潮下再次蓄勢待發。
• • •
深度學習：數據是王道
陳漢偉表示，深度學習於醫療領域的應用廣泛，較常見包括醫學影像識別技術。「國内醫護人員供不應求，透過深度學習，醫學影像識別技術能夠節省人手識別的時間，同時減少人爲錯誤。」他補充：「雖然技術已經相當成熟，但是間中還是會出現假陽性 (false positive) 的情況，所以到最後仍需要醫護人員把關。」
近年内地有不少初創企業投資醫學影像識別技術，陳漢偉解釋，皆因深度學習比較容易開發。「現在不少深度學習技術其實已經開源 (open-source)，所以開發深度學習的關鍵更在於能否取得足夠數據，若然沒有數據，何來學習？」
陳漢偉認爲，内地企業比外國公司具備一定優勢，因爲它們較容易跟内地醫療機構合作，從而取得更多本地數據。再者，一些病症於亞洲地區較爲普遍，這些都是外國公司難以取得的數據。「内地擁有13億人口的數據，可説是贏在起跑綫上。香港初創企業若要取得内地醫療數據，便需要跟内地醫院、診所合作。」
• • •
大數據：數據準確為關鍵
除了要取得足夠數據，大數據還講求歷史數據，以及企業是否能夠持續得到數據進行分析，所以，相對深度學習，陳漢偉認爲大數據開發成本較高。
陳漢偉指出，大數據其中一個重要應用就是透過分析歷史數據的趨勢，預測未來，「例如分析心臟病患者的風險因素、過往生活習慣，從而預測其他人罹患心臟病的機會。」
他認爲，電子健康紀錄無疑是推進大數據發展的催化劑，然而收集數據難免牽涉人爲錯誤，所以確保數據準確至為關鍵。他又寄望隨著將來穿戴式裝置變得更加普及，收集數據將會變得更加容易和準確。
• • •
認知計算：龐大的計算功能
談到認知計算，最爲人熟悉的例子非IBM Watson莫屬。據資料顯示，IBM Watson已經接受了超過300種以上高等級醫學期刊文獻、250本以上醫療書籍、1,500萬頁論文數據研究和MSKCC臨床實踐等數據的訓練，利用龐大計算功能，分析病人患上什麽病症，並為醫生建議治療方案。今年一月，醫學期刊《Annals of Oncology》便發表一項於印度馬尼帕爾綜合腫瘤中心進行的研究，結果顯示IBM Watson的建議與醫生的治療方案超過90%相若。
陳漢偉笑說，要他閲讀如此大量文獻和研究，相信活幾百世也不成，就算讀完後也忘記得一乾二净。
• • •
人工智能會否取代醫生？
看人工智能技術如此厲害，那麽它會否取代醫生？陳漢偉反問：「你會接受完全沒有醫生、單靠人工智能的診斷嗎？市民會接受嗎？」
陳漢偉强調，社會對人工智能技術的認受性是一大關鍵。此外，人工智能應用還牽涉道德議題，「以自動駕駛爲例，到底應該保障司機性命安全，選擇撞向人群，還是保障市民安全，置司機性命不顧？若然這自動駕駛選擇站在道德高地，保全大局，你又會否購買這輛車？」他又舉例，在醫療應用上，若然一個是無家可歸的露宿者，一個是國家總統，若在資源有限下只能救其一，人工智能又應該如何抉擇？
其次，是責任問題。若然人工智能出錯，到底責任誰屬？是人工智能技術的開發商，還是購買該技術的醫療機構？
陳漢偉表示，現時人工智能技術依然存在一定限制，模擬人腦學習的能力依然有限，例如無法模仿腦細胞生長、無法模仿人類睡覺時重組知識等等。他日待技術更加成熟，人工智能會否能夠取代醫生，還須拭目以待。
• • •
想了解更多醫療科技議題？快點關注我們的Facebook Page吧！