2018年，人工智慧（AI）在醫療領域光芒四射，留下諸多美好成果。
國際間最大消息，莫過於2018年8月，Google旗下DeepMind公司宣布，成功開發新的AI演算法，將能輔助診斷50多種眼部疾病，且錯誤率已低於專科醫師；台灣也並未落後，包含台大、長庚、中國附醫、北榮等醫院，針對特定疾病：心血管、肺癌、顱內腫瘤等展開研究，並繳出亮眼階段成果。例如台大醫院的AI心血管影像系統，強調能將原先需20分鐘的人工判讀，縮短至兩秒鐘完成作業。
但，截止醫療界目前的「戰果」，多在AI醫療影像領域。
「影像確實有很多大突破，不過我們現在都還沒有看到一個非常具體、真正能夠幫助到病人的應用。」萬芳醫院皮膚科主任、台北醫學大學醫學科技學院院長李友專舉例，在皮膚病領域裡，AI判讀黑色素細胞瘤的準確度已經不輸給專科醫師、甚至有時候做得更好，但目前都僅能做到單一診斷輔助，仍有許多限制。
他表示，醫師看診並非只管一種、兩種疾病，即便AI能對糖尿病視網膜病變有更好的判斷準確度，一旦演算法不適用患者疾病，所有工作仍回到醫師身上，因此並不容易實現價值。
台灣有AI醫療金礦，開挖限制卻不少
「很多人都說台灣是坐在醫療金礦上的乞丐，不懂得運用數據資源；問題是，這些金礦似乎還被九把大鎖關起來，等到別人挖完，我們的東西也不值錢了。」
李友專是台灣電子病歷重要推手之一，也是醫學資訊和人工智慧臨床應用先驅，他說的九把大鎖是指什麼？。
「資料庫數據無法下載至本地端、開放範圍與費用等等，這些限制都讓研究綁手綁腳，」他認為，像是跨院所的電子病歷，若能在兼顧隱私倫理的情況下，多開放給研究團隊，創造更友善的數據環境，將對2019年的醫療產業帶來莫大幫助。以北醫大為例，僅需健保資料庫三年的資料，就能有94％的機率可預測民眾12個月內的罹患肝癌風險。
「台灣健保自1995年開辦至今，擁有超過2,300萬人連續23年的用藥、處置、檢驗等資料，加上每年至少有兩百萬人次的昂貴醫療影像檢查，包含磁振造影（MRI）、電腦斷層造影（CT）等，產生影像的速度比其他國家都快，其實是很有機會發展全方位的AI醫療應用，偏偏要取得這些數據的難度很高，增加許多研究門檻。」
李友專表示，台灣健保資料庫是由衛福部資料統計應用中心管理，提供研究團隊運用。不過其申請程序繁瑣且資料不易釋出，且即便通過長時間審查後，也僅能在「有限」使用時間內做相對簡易分析，讓過往透過相關數據發表的論文，易被批評深度不足與重複性太高。
AI不只輔助診斷，偵測、預防也有大效益
實際上，台灣越來越多人工智慧團隊、醫院，開始在「輔助診斷」之外的領域，試圖開發AI醫療應用空間。
去年九月，亞東醫院與元智大學合作研發「病理嗓音偵測系統」，可從聲音辨識八種喉嚨相關疾病，目前有94.2%準確度；台北榮總日前則宣布將推出一款肝癌風險預測APP，民眾僅需填答兩項基本資料、五道問題，就能推估出三年、五年內罹患肝癌的機率。
「就像防止登革熱一樣，做得好就不會大流行。」李友專說，部分癌症的第一期治癒率，遠比第四期高出許多，透過AI進行預測、疾病偵測，不只能照顧民眾健康，也能有效降低健保支出。他強調，要達到真正的AI精準預測、早期偵測，至少需要四項要素：基因、環境、後天行為與表現型資料。
台灣人工智慧實驗室去年底攜手微軟，共同推出AI基因分析平台「TaiGenomics」，希望降低醫院的研究門檻，可專注在解密基因與疾病的關聯。創辦人杜奕瑾認為，台灣有健保資料相助，相較於其他國家，有更大機會解開身體密碼。
2019年，台灣AI醫療發展將往風險偵測、早期發現前進；另一方面，也得更符合病人的期待。
「你跟民眾說，他的患病機率是其他人的1.2、1.5倍，有時候他是沒感覺的。」李友專認為，AI應該也要更加人性化，試圖解決病人第一時間的疑難雜症。像是北醫大新創團隊開發的「MoleMate」痣能達人，經過2千組影像的資料訓練，可讓民眾透過LINE上傳照片，進行初步篩檢，判斷是否需要給醫師看診，或是持續追蹤變化。
儘管，類似AI應用仍有不少限制，因為部分疾病的判斷方式較為抽象，像是「急性闌尾炎」需按壓右下腹部，確認是否有「反彈痛」，這部份就不適合AI操作判斷。
不過李友專相信，AI醫療還有太多價值值得挖掘，因為台灣的醫療資料庫累積量是全球頂尖，例如丹麥雖然統計了30年的就醫資訊，人口卻不到我們的三分之一，因此2019要加速AI發展，關鍵或許仍在，台灣是否願意加速開發數據、探索這些地底金礦。
現在加入數位時代LINE好友，就送你2019科技產業趨勢懶人包，如果是老朋友，請輸入「2019」。
