SMC 資料庫

本文轉譯自：紐西蘭SMC

2016年5月6日
紐西蘭醫生表示：人工智慧（AI）將終結我們所認知的醫生

Drs William Diprose and Nicholas Buist在新的一期紐西蘭醫學期刊（New Zealand Medical Journal）的觀點文章中寫道：「我們相信在未來的幾年，人工智慧將開始處理傳統上由醫生所執行的任務，像是診斷及相關的治療決策等。」兩位來自旺阿雷（紐西蘭北島的一座城市）的醫生強調目前為止機器學習與人工智慧的發展十分迅速，並指出為了安全、永續的健康照護系統，「我們必須看得比人類潛力更遠，並將目光投射在像是人工智慧這類的創新方法上。」作者寫到：「在提供健康照護上，人類將持續扮演重要角色。但在許多情況下，費用較低的、專門處理特定問題的健康照護人員將可以被進一步訓練來補足人工智慧較無法勝任的工作。」因此，醫生作為一個『昂貴的問題解決者』的這個角色將會變得多餘。以下專家將針對這份研究成果進行回應。

Dr Robert Hickson is a future-scanning and foresight researcher and author of the Ariadne blog, said:

Drs William Diprose and Nicholas Buist看好人工智慧應用於健康照護的前景，他們的判斷十分正確。然而，我並不覺得醫生會就此消失，而是他們的任務會有所改變。

Frost & Sullivan顧問公司近日評估人工智慧及其在健康照護上的應用所能帶來的利潤，他們預估在2021年之前，其利潤將從8億美元晉升到60億美元。這雖然僅是健康照護的一部分，但已經可以表現出它發展的速度。人工智慧在健康照護上被廣泛地發展及應用，像是診斷、醫學影像、虛擬助手、病人監護、新藥開發與風險分析等面向，也反映出自動化與分析方法在醫學上有更廣泛的運用的趨勢。

IBM Watson的認知系統，已被使用於白血病的治療建議上，並協助確認、評估治療計劃。而最近開發出Go-winning人工智慧系統的DeepMind公司，也剛在英國獲准取得病患的國家醫療服務（NHS）紀錄，以協助腎臟疾病患者的監護。因此在未來的十年間，以人工智慧作為健康照護人員的決策協助工具將是無可避免的趨勢，特別是因為健康照護人員接觸的往往是年長且有複雜疾病的對象。

目前，對於人工智慧在一些相對簡單或是定義完整的問題上仍有很多的討論，例如遊戲。我們需要更多人工智慧所作成的診斷和治療結果，和傳統方法作成的診斷和治療結果的比較研究，才能知道人工智慧是否能提供更普遍的醫療支持。

再者，誠如外科醫生和作者Atul Gawande所述，人工智慧的工程師與臨床醫生需要更進一步的合作，人工智慧工程師才能提供臨床醫生他們每天可以使用到的資訊。而這個現象將發生在許多的場合，但或許也不是所有場合都適用。

最主要的風險在於，不是健康照護的所有面向都能被成堆的演算法捕捉到。健康照護人員的判斷不應該被架空。正如Diprose & Buist所言，醫病關係不僅僅是有效率的診斷。要有效地在健康照護上使用人工智慧，還需要關於它所服務的人群之完整資訊。我們已經可以預見，在某些資訊的取得上會有其限制。

Prof Ajit Narayanan, School of Engineering, Computer and Mathematical Sciences, Auckland University of Technology, said:

該篇觀點文章有趣的地方在於，這篇文章對於三十年前，人工智慧將很快取代人為醫療決策的錯誤主張沒有任何提及。（請參考‘The expert medical computer,’ J.R.W. Hunter, in Yazdani and Narayanan (Eds), Artificial Intelligence: Human Effects, Ellis Horwood, 1984）許多由Diprose和Buist所提出的人工智慧案例，其實仍是利用非智慧的窮舉式搜尋和統計方法來找出相關性和變異性，而不是依據因果關係的知識來找出最不相近的特徵，從而區分出不同案例。因為搜尋百萬種可能與該病人毫不相關的醫療報告來作成判斷，並不能更精準地針對病人進行判斷。

該篇觀點文章所提及之人工智慧診斷和治療方法，並無法針對其分析的任何症狀之致病原因提供更多資訊，而僅能依據內建在程式中的早期醫療決策來判斷該症狀於之前可能存在過。因此這篇觀點文章其實仍存有許多的猜測而沒有歸納性的陳述。一位醫生所做的事情，遠遠超過作出一個結論。一位醫生通常需要判斷病患是否患有某個疾病，並決定哪些問題可以治療或是是否可以治療。這是個複雜且相互關聯的過程，它牽涉到透過因果歸納與不精確推理來作出假設或駁斥假設。

醫生們也會基於他們眼前所見到的、耳朵所聽到的給予預防性的建議。至於醫生是如何作出這樣的建議目前仍是未知的，除非利用某種極度人性、在現階段超越人工智慧的系統（某種直覺、經驗和同理心的整合）才有可能窺知一、二。

Assoc Prof Jeremiah Deng, Information Science, University of Otago, said:

我從事機器學習的相關工作，並且與醫療影像分析和以診療為目的的醫學資料探索相關。當我們看到自駕車、機器人、電子商務等不同面向的發展，其顯示了人工智慧已逐漸變得無所不在。有些人會說教師這個職業會接著醫師消失，但我不這麼認為。

撇除領域知識（重要但通常是隱性的知識，難以標編寫入電腦／機器人）可能遇到的問題，人工智慧至少還需要克服兩個主要的障礙才能充分地在重要的專業層級上運作：創造力與同情心，這些或許是在所有領域裡的問題解決上，至關重要的要素，特別是醫療領域。

另一方面，當AlphaGo（能夠下圍棋的電腦程式）神經網路又重現在鎂光燈下，這無庸置疑是一個驚人的成就，但這個演算法究竟「多聰明」仍是一個未知數。如果我們可以獲得的僅是一個可以替我們做身體檢查，並且提供99.99%診斷準確率的「黑盒子」，我們能夠真正相信它嗎？

人工智慧之父Marvin Minsky曾說過，從科學上對於人類心智的理解角度而言，「我們仍在黑暗的年代」。人工智慧與智慧機械的快速進展必定會影響社會，但它們是否會對人類造成重大威脅仍是一個疑問。

本文歡迎媒體轉載使用，惟需附上資料來源，請註明台灣科技媒體中心。
若有採訪需求或其他合作事宜，請聯絡我們：