下個被淘汰的會是醫生嗎？

下個被淘汰的會是醫生嗎？
編譯／葛竑志

當被問及哪些行業終將為AI取代的時候，醫師似乎是很少被提及的選項。但細數AI在醫療領域的發展─協助醫療影像判讀、蒐集生理數據並追蹤個人健康狀態（智慧醫療）、針對患者生理狀況安排客製化的治療方案（精確醫療），乃至於年長者的長期照護─讓人不禁開始懷疑：人類醫師真的可以在AI浪潮下高枕無憂嗎？

大數據時代

「當然不行。」任教於蘇黎世理工學院、專長轉譯醫學的 Jörg Goldhahn斷言。相對於以往生理數據只能藉由定期健檢蒐集而得，現在的醫學資訊量早已不同以往。許多貼身設備如運動手環、可攜式檢驗儀器等都可以24小時不間斷地量測患者的生理數據，並透過物聯網即時回傳至醫療院所，方便醫生做更即時的追蹤。

Goldhahn認為，醫學數據只會變得更多樣且更複雜。這些數據除了有益於臨床研究，也可以幫助訓練AI，使其更加準確。舉例來說，Google AI團隊與相當多的醫師合作，開發出了從眼底攝影預測心臟病風險的深度學習模型[2]，其預測之精準度已能在臨床上協助某些疾病的篩檢。

醫病關係

許多人認為機器無法完全取代人類醫生，因為醫者與患者間的互動，也是治療過程中不可或缺的一環。除了感同身受的同理心外，患者對醫者那份信任，也是難以取代的。但對於症狀輕微或是年輕世代的患者，相較於不必要的同理心與關注，他們或許更看重準確的診斷與有效的治療。尤其涉及私密問題時，許多患者還是得跨過心理那道障礙，才能將健康託付於另一個人手中，此時不戴有色眼鏡的機器人，反而更能成為患者如實吐露的對象。

除此之外，人類的學習模式經常受個人傾向與教學機構理念的影響，所以就算同樣身為醫者，彼此之間對醫學的認知還是存在無可避免的差異。換成是AI，就不會有這種問題產生了。Goldhahn認為，只要機器能提出無偏見的檢測與療程建議，反而更能輕易取得尤其新世代人類的信任。

資訊爆炸

人們常對醫生抱有不切實際的極高期望，「相信醫生總能趕上最尖端、最新的醫學研究知識，又能與病人維持良好的密切關係。但事實上，這簡直是天方夜譚，因為一個人要面對的資訊量實在過於龐大了。」此時自然語言處理（Natural Language Processing）就是相當有潛力的工具。Goldhahn補充：日前有研究使用RNN（Recursive Neural Network）瀏覽大量藥物相關文獻，整理出不同藥物間的交互作用[3]。這種枯燥、乏味、耗時，卻又極為重要的文獻整理工作，反而是AI的強項所在。

視病如親

加拿大麥基爾大學Vanessa Rampton與瑞士蘇黎世大學醫院Giatgen Spinas則對此抱持不同看法。他們十分贊同AI作為一個協助診斷與治療的「工具」，但否認AI可以完全取代「人類」扮演好「醫者」這個角色。

「同樣身為人類的醫生，可以由患者的人生經歷與社會角色切入，逐步釐清疾病的成因並對症下藥。」在擬定治療計畫時，醫生能將病人的價值觀與性格傾向納入考量，在病因不明或病況複雜的情形下，這些無法量化的資訊尤其重要。

對許多病患來說，找到一個能體會事情的嚴重性又值得相信的人，是療程中最重要的支持，而這些都是機器迄今無法達到的。即使號稱能模仿人類情緒的機器人，也只是在特定情境下作出相應的回應，無法根據人生經驗與患者的狀態給予適當回饋，更遑論改善患者的生活品質 。Rampton和Spinas強調：這正是人類醫生無可取代之處。畢竟，我們總不會希望有一天宣布自己死亡的，是對「死亡」毫無概念的冰冷機器吧！

編譯來源

J. Goldhahn , V. Rampton ,  G.A. Spinas, “Could artificial intelligence make doctors obsolete?”, BMJ, 363:k4563, 2018.

參考資料

1. R. Poplin, A.V. Varadarajan, K. Blumer, Y. Liu, M.V. McConnell, G.S. Corrado, L. Peng & D.R. Webster. “Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning.” Nature Biomedical Engineering 2:158–164, 2018.
2. S. Lim, K. Lee, J. Kang. “Drug drug interaction extraction from the literature using a recursive neural network.” PLoS ONE 13(1): e0190926.

(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)