AI醫療革命：全面改寫醫學研究與診療模式

人工智能已經觸及醫療領域幾乎所有角落

當ChatGPT幾年前面世時，斯坦福醫學院院長兼外科醫生Lloyd B. Minor嘗試用它來測試AI的能力，他向它提問一種罕見的內耳疾病——上半規管缺損症。這疾病是Minor本人發現的，他撰寫了第一篇相關論文，並開發了手術治療方案，理應是該領域的權威。AI的回答不僅簡潔、準確且合邏輯，更達到他親自撰寫的水準。

Minor表示：「它整合資訊並呈現的方式，真的非常驚人。那時我才意識到，這不只是漸進式的進步。大型語言模型（LLM）將從根本改變我們獲取、學習和接受知識的方式……我認為這是醫學領域的根本轉變。」

這種感覺在醫療界普遍存在。AI正開始觸及醫學研究、醫生培訓與工作流程，以及病人護理的各個層面。儘管AI在醫療推廣過程中面臨挑戰，但其影響已開始顯現。

大型語言模型推動醫學研究

AI在醫療行業最明顯的影響之一是醫學研究。2020年，Google旗下DeepMind推出的AlphaFold2機器學習模型，能預測近2億種已知蛋白質的結構，為設計新蛋白質及藥物研究第一步帶來革命性突破。該模型已被來自190個國家的超過200萬人使用，更令其開發者獲得諾貝爾獎，並引發生物科技新創熱潮。去年，由新創公司Insilico Medicine開發、首款AI設計的藥物治療特發性肺纖維化，已進入第二期臨床試驗，標誌著技術的新里程碑。雖然尚未有AI開發的藥物正式上市，但研究流程的改進已帶來實質影響。

一篇發表於《自然》期刊的論文指出：「人工智能的最新進展正在以極大提升效率、準確度和可擴展性的方式，徹底革新活性化合物的發現，這是傳統方法面臨的挑戰。」

醫學研究的AI應用不僅限於藥物發現。例如，劍橋大學研究團隊開發的AI模型，在預測阿茲海默症進展方面表現優於臨床測試；哈佛大學的AI能準確檢測多種癌症、評估治療方案及預測存活率。6月，DeepMind推出AlphaGenome模型，能預測人體DNA序列中單一變異對調控基因的生物學過程影響，覆蓋更廣泛的生物學研究領域。

提升醫生與病人經驗

Babson學院健康創新研究員Wiljeana Glover指出，AI對醫療行業最直接的影響是後台流程。例如，大型語言模型已被用於急症室快速整理複雜病歷摘要，並記錄醫患對話，生成醫療文件。

她表示：「我們將更多行政工作從臨床醫生的肩上卸下，這些是AI發展最快的領域。」

2020年研究顯示，醫生約有33.4%的工作時間花在非面對病人的健康紀錄與行政任務上，且平均每天還要額外花兩小時處理這些工作，包括周末。行政工作是醫療界職業倦怠的主要原因之一。減輕這部分負擔不僅能讓醫生有更多時間專注於病人護理，還能改善病人經驗，例如醫生可在診症時與病人保持眼神交流，而非不停敲打電腦。

AI改善資訊存取，進而提升治療質素。大型語言模型幫助醫生輕鬆查詢龐大資料庫，研究複雜病例的潛在治療方案。醫生也越來越多使用AI驅動的病人護理應用程式，配合穿戴設備，支持高血壓和糖尿病等慢性病持續治療，提供診症外的健康資訊，促進溝通。

以放射科為例，健康專業人士已習慣與AI協作，AI用於影像增強、異常識別及細微變化判斷，猶如放大鏡般輔助專家判斷。西北大學開發的AI模型能從數碼乳癌組織圖像中評估病情，甚至在預測病程方面優於專業病理學家，有助減少不必要的化療，縮短治療時間和強度。

新培訓範式

在大型語言模型普及前，AI已開始改變醫生日常需要掌握的知識範圍。Minor回憶，他讀醫時需死記藥物劑量與適應症，而現今則用AI算法根據病人及藥物數據優化劑量。一篇發表於《BMC醫學教育》的論文指出，AI在劑量優化與不良藥物事件預測中扮演關鍵角色，顯著提升病人安全與治療成效。

隨著AI影響醫生工作，醫學院也開始更新教學內容。喬治華盛頓大學醫學院今年秋季將開設AI在醫療應用的新課程，Mount Sinai醫學院則向所有學生提供ChatGPT Edu並教授其使用方法。

斯坦福醫學院正初步重新設計整個課程，任命一位專攻AI的醫學博士領導此項目。Minor強調，並非要放棄醫學基礎知識，而是要教育醫生如何運用生成式AI，提升更新醫學知識及為每位病人提供合適治療的能力。

「我們希望成為業界領頭羊，但也不會放棄醫學教育的核心元素。只不過，應該慎重思考哪些是核心，不能盲目沿用過去的學習方式。」他說。

此外，AI也成為有用的培訓工具。新澤西理工學院、羅伯特伍德約翰遜醫學院及軟件公司Robust AI合作開發AI模擬程式，讓學生模擬腹腔鏡手術動作並獲得反饋，助其持續進步。今年研究顯示，此程式對手術技能評估準確度，甚至略勝人類老師。

尚未完美，但勢不可擋

AI在醫療的廣泛應用，難免存在挑戰與問題。AI開發的藥物仍需實驗室測試、臨床試驗及FDA審批。由Augmedix、Abridge和微軟支持的Nuance推廣的醫療文件系統，存在錯誤與幻覺風險（不過人類尤其是疲勞醫生也會犯錯）。設計用於診斷和決策的算法，過往在女性和有色人種身上表現不佳，因為這些群體在訓練數據中被低估。此外，利用病人數據訓練AI模型的隱私問題亦令人關注。

Glover認為：「我們正謹慎推進，這是理想狀態。但毋庸置疑，AI會影響病人尋求、獲取及接受醫療的方式。這已經在發生，且不會停止。」

—

編輯評論：

這篇報道全面剖析了AI如何深刻改變醫療界，從研究創新、臨床應用到醫學教育等層面，展現AI技術的廣泛潛力與挑戰。值得注意的是，AI不僅是工具，更正逐步成為醫療生態系統的協作者，協助醫生提升診斷準確度、減輕繁重行政負擔，改善病人關係與治療體驗。

然而，醫療AI的應用絕非萬無一失，數據偏見、隱私保護及系統穩定性等問題，提醒我們不能盲目樂觀。尤其在涉及生命安全的醫療決策，AI必須經過嚴格驗證與監管。

教育層面上的變革尤為關鍵。醫學院如何重塑課程，培養醫生與AI共存、善用AI的能力，將影響未來整個醫療體系的質素與效率。這不僅是技術問題，更是文化與倫理的挑戰。

總體而言，AI在醫療的應用正處於快速發展的關鍵期，香港及全球醫療界應積極探索與適應，促使AI成為醫療進步的推手，同時謹防技術濫用與風險，確保醫療服務公平、安全及高效。這將是未來醫療改革的重要方向，也是我們每個人都應關注的議題。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。