▲ 巴菲特的好友蒙格在將投資與心理學結合後而出的一個心得：人類具有聚攏偏見的一種情緒傾向，它們會相互強化形成一種具備驅動力的從眾心態。（圖／達志影像／美聯社）
● 丁學文／金庫資本管理合夥人兼總經理
人工智慧如滾滾大浪席捲而來，科技巨頭的唱作俱佳更讓大模型猶如救世主降臨。
[廣告] 請繼續往下閱讀.
人類好像常常這樣，當人們一開始訴說的目標陳義過高的時候，常常會遭致嘲笑。 但當越來越多人都在追逐同樣的方向時，又好像變得理所當然、無庸置疑。早在OpenAI問世之前，引用人工智慧的生物醫療研究論文的比例就開始呈現指數級別的攀升。越來越多人相信人工智慧系統將最先在智慧醫療領域發光發熱，真的假的？
無論如何，所有的人類夢想能不能實現，還是需要一個現實面的考驗。我們不能忘記巴菲特的好友蒙格（Charlie Munger）將投資與心理學結合而出的一個心得，也就是眾所周知的「Lollapalooza effect洛拉帕盧薩效應」：人類具有聚攏偏見的一種情緒傾向，它們會相互強化形成一種具備驅動力的從眾心態。智慧醫療非常可能成為第一個告訴我們人工智慧靠不靠譜的實踐場域。
AI醫生终將和你見面 估能拯救數十萬人性命
▲ 最新一期的《經濟學人》封面故事聚焦人工智慧醫療。（圖／截取自《經濟學人》封面）
[廣告] 請繼續往下閱讀..
最新一期的《經濟學人》封面故事聚焦人工智慧醫療。在封面設計上，編輯群讓我們在粉紅色的封底前，看見一個穿著醫生服披掛著聽診器，卻頭頂著一個螢幕視頻的奇怪畫面。上面幾個白色字體「The AI doctor will see you… eventually AI醫生终究有一天會和你見面。」
《經濟學人》用了緒論第一篇以及由經濟學人負責醫療、製藥板塊的編輯Natasha Loder帶領團隊編撰的科技季刊五篇文章總共六篇文章解析這個趨勢的可行性。文章提及，大家想看看：多美好的未來，更好的醫療診斷、更個人化的病患支援、更快的藥物發明，當然，還有更高的醫治效率。現在這個世界，人工智慧AI所到之處，一而再的讓人充滿興奮和想像，不過，在醫療保健這個領域，是最有可能帶來明確改變的一個領域。在歐洲，有分析師預測，人工智慧運用可以每年挽救數十萬人的生命；他們說，在美國，它甚至可以節省看病費用，並讓年度醫療支出減少2,000億至3,600億美元，緩解目前每年高達4.5 兆美元（GDP 的 17%）的預算。從智慧聽診、機器人外科醫生到大數據的分析或與可以人臉辨識的人工智慧聊天的可能性，讓投資機會比比皆是。
已有證據表明，人工智慧系統可以提高診斷的準確性和疾病追蹤、病情改善和對患者醫療結果的預測，甚至可以提出更好的治療建議。它還可以透過承擔著病歷移轉和監控患者等任務以及簡化醫院管理來提高醫院和手術室的效率。事實上，它已經加快了新藥進入臨床試驗的時間。然而，正如《經濟學人》本周的〈科技季刊〉闡述的那樣，儘管人工智慧在醫療保健領域的應用已發展多年，但具體的整合進展緩慢，而且目前看來的效果只是一般。
[廣告] 請繼續往下閱讀...
整合進度緩慢 利用創新省錢也不易
▲ 儘管人工智慧在醫療保健領域的應用已發展多年，但具體的整合進展緩慢。（圖／路透）
為什麼會這樣？
造成這種情況的原因很多，最充分的一個理由是，醫療保健在引入人工智慧新工具時會面臨很高的證據障礙，它們沒有辦法證明自己可以保護病患的隱私或生命安全。這裡面涉及數據、監管和激勵機制。怎麼克服這些問題足以為其他領域的人工智慧運用提供進一步的經驗教訓。
眾所周知，人工智慧系統需要透過大量的數據來深度學習，而醫療保健系統擁有的數據體量巨大。但目前的健康數據高度分散； 嚴格的規則進一步控制了它們的使用。政府明白患者希望他們的隱私得到保護，但患者又想要一個更好、更個人化的照護。目前為止，每年約有80萬的美國人因不當醫療決策而遭受患病的痛苦。
要提高人工智慧工具的準確性並減少偏差，需要對它們進行能夠反映患者全面而且多樣性的大數據培訓。找到允許健康數據更自由移動的安全方法將有幫助，而且可以讓患者受益：他們應該有權以便攜式數位格式存取自己的醫療記錄。消費者健康公司已經在嘗試解讀穿戴式裝置的數據，並取得了一定的成果，便攜式患者記錄可以讓人們更充分地善用自己的數據，並對自己的健康承擔更多的責任。
▲ 政府需要幫助監管機構評估新的人工智慧工具，才可能加快審批速度。（圖／達志影像／美聯社）
►►►思想可以無限大－－喜歡這篇文章？ 歡迎加入「雲論粉絲團」看更多！
另一個問題是如何管理和規範這些創新。在許多國家，與其他領域一樣，人工智慧在健康領域的治理正在努力跟上創新的快速步伐。監管機構缺乏足夠的能力和專業知識。政府需要幫助監管機構評估新的人工智慧工具，才可能加快審批速度。他們還需要填補不良事件監測和演算法監控方面的監管空白，以確保演算法可以真的保持準確、安全、有效和透明。
所有一切真的很難。 一種解決方式是各國一起努力、相互學習並制定最低的全球標準。不太複雜的國際監管體係可以幫忙創造一個即使是小企業也可以創新的市場。 衛生基礎設施欠發達的較貧窮國家可以從引入新工具（例如用於婦產科的人工智慧便攜式超音波設備）中獲益匪淺。由於人工智慧工具創造的替代品通常不需要接觸治療，因此它們甚至可能能夠超越富裕國家根深蒂固的衛生系統——不過缺乏數據、連接和運算能力也可能成為障礙。
最後一個問題涉及制度和激勵措施。人工智慧承諾透過取代人工、提高生產力、減少誤診、扁平化或減少醫療支出來削減整個的醫療成本，同時改善照護效果，這些當然有其必要性。估計到2030年，全球將缺乏1,000萬名以上的醫護人員，佔據當今勞動力的15％。與其他國家相比，到2022年，這些行政管理費用將占美國超額醫療保健費用的30％。
▲ 估計到2030年，全球將缺乏1,000萬名以上的醫護人員。（圖／記者李毓康攝）
然而，利用創新來省錢也不容易， 衛生系統的建立是為了利用它來改善護理，而不是削減成本。導入新科技可能會佔據醫療支出的年度成長一半以上。新系統的佈置也會增加成本和複雜性，重新設計流程以有效利用人工智慧可能會遭到患者和醫生的抵制。儘管人工智慧可以透過電話視頻對他們進行分類或提供常規結果，但患者可能仍然喜歡面對面就診。
更糟的是，許多衛生系統，例如美國的衛生系統，都是為了獎勵工作量而建立的。他們沒有理由接受減少就診、測試或程序應用的技術導入。即使是公立醫療保健系統，也可能缺乏採用降低成本而不是改善結果科技的動力，這或許是因為今年的省錢有可能導致明年的預算減少。除非政府改革這些激勵措施，讓人工智慧將更好的治療與效率評估結合起來，否則創新只會增加成本。因此，政府和衛生當局將需要資助專門用於測試和部署新人工智慧技術的專案。美國、英國和加拿大等國家正在試著推動這些變化。
推動人工智慧在醫療保健領域發展的大部分負擔落將落在政府和監管機構。然而，企業仍然可以發揮作用。保險公司已經使用人工智慧工具鑑別要不要提供醫療服務；部分企業已經誇大了人工智慧在健康產業的能力；算法也會犯錯。 企業有責任確保產品的安全、可靠和負責，人類即使也會犯錯缺陷，起碼仍然可控。
▲ 如果人工智慧可以在醫學領域真的發揮作用，那肯定可以為其他領域採用這個技術提供一個指引。（圖／CFP）
上述提及的挑戰和障礙非常巨大，但在醫療保健中使用人工智慧的潛在好處還是很巨大，克服這些障礙的理由非常顯而易見。如果人工智慧可以在醫學領域真的發揮作用，那麼它肯定可以為其他領域採用這個技術提供一個指引。
讓AI更易被導入 前提是推動醫療體系變革
我感覺吧，任何人都不應該一口咬定人工智慧可以輕而易舉的幫我們解決所有需要提高效率的問題。人工智慧的過度承諾就像現在醫療產業的過度收費一樣難以避免。只有經過不斷地進行評估、監督和更新才能真的讓我們心想事成。 現在的人工智慧不僅僅還在一個大模型的初生階段，某些科技企業當然有其優勢，例如以一般醫生無法做到的速度推升研究的步伐，讓醫療系統在人工智慧替代的壓力下作出改變，但所有的一切仍然需要一系列的重新培訓和認證才能真的確保它們的有效性和安全性。
不斷的更新和改變肯定充滿了各式各樣的挑戰，但人工智慧的未來仍然充滿著可期待性。但現在看見的這些人工智慧技術還需要更靠譜的應用層面換代升級，醫療機構才有動力在適應這些新技術時做出改變。推動醫療體系變革，並讓人工智慧更容易被導入，是人工智慧能不能提供智慧醫療的最重要前提。
▲ 不斷的更新和改變肯定充滿了各式各樣的挑戰，但人工智慧的未來仍然充滿著可期待性。（圖／CFP）
這些障礙和挑戰沒有一樣是輕易可以克服的。想真的充分利用人工智慧，就需要那些龐大臃腫的醫療機構願意進行大量的改變。監管機構需要承受一定的壓力，在確保安全的情況下，願意迎接人工智慧技術和變化速度的新挑戰。它還需要更大的經濟誘因來實現人工智慧所謂的節省成本和拯救生命的潛力實現。只有人類有能力推動這些轉變和改革，人工智慧才能回饋最大最豐厚的回報。
● 本文獲授權，轉載自《經濟日報》。以上言論不代表本網立場。歡迎投書《雲論》讓優質好文被更多人看見，請寄editor88@ettoday.net或點此投稿，本網保有文字刪修權。