AI 在醫療產業上的應用
西元1966年
Joseph Weizenbaum創造了Eliza，透過簡單的一問一答讓人們看到人類與機器對話的可能性，開啟了生成式AI的探討與開發。
而至1986年時
電腦程式已可以從錯誤中記取教訓，進而能調整運算方式此點為AI的發展帶來飛躍式的進步其後隨著自然語言模型、音訊、影像生成模型技術的發展至逐漸成熟，
包括2022年開始
ChatGPT、OpenAI的Dall-E及Google的AudioLM 和MusicLM等，都宣示著AI已成功地融入人類的生活領域並成為職場領域的助手與尖兵並席捲了世界各國的產官學界、使其不斷增加研發資源以維持競爭力；而台灣具有世界公認優異之醫療實力，輔以深厚的半導體及計算機背景，配合完整詳盡的健保資料庫，在全球數位醫療研發的競爭上已站在領先地位，故在AI風潮盛行世界時也將「數位醫療」列為指標性重點發展項目。
我國於民國105年起
由行政院透過「行政院產學研連結會報」平臺會議決議為強化並整合我國研發單位能量、加速研究成果商品化以達促進經濟之成長之目的故鏈結大專校院及法人研究單位跨部會推動「價創計畫」，其中約7成相當於新臺幤200億經費用於AI相關學術研究及產業應用；今年借助於生成式AI跳躍式進步及新冠疫情間醫、政、商界形成對AI之依賴性，擴大應用於醫療及醫療照護產業的研發，大手筆地加碼AI開發項目「晶創計畫」，旨在與世界各強國共同提升AI於醫療照護的相關應用，以改善長期醫療量能不足、醫療人員訓練困難及工作過量等問題。
生成式AI因其具學習及模擬能力，在臨床醫療領域可應用建立標準化、低偏差、高效率之學習及判讀，藉助大數據資料庫之「經驗」及「模式病徵辨識」減少過度醫療及病患等待時間，進而改善醫病關係及減少醫療資源濫用，基礎醫學方面，AI強大的訊息整合及平行運算能力，於各類體學之建構及應用上可有效減少時間成本及不必要之試誤學習。
然而，生成式AI在初步應用在醫療產業上仍然存在著無法避免的弊端。由於數據資料不足，將導致其無法對「罕病診斷」做出正確判讀，且追求診斷效率及標準化的同時，過於理性的數位醫師若僅從治癒病人的目的出發，其醫療處置可能缺乏人道關懷使病患自身或家屬陷於低生活品質甚至無尊嚴的治療過程中，與現今醫界普遍人本共識相違背。
而此點是AI無法取代醫護〈無論是中、西醫〉的一個重要關鍵─亦即「溝通」及「同理」。此外，廣泛運用AI在節省人力的同時亦可能導致去專業化、人才訓練機會減少的弊病，造成專業斷層而無法維持AI持續滾動式優化及開發。此外，由AI決定臨床處置時，一旦發生誤判產生醫療疏失，後續檢討及賠償時將難以界定責任歸屬為醫護人員、醫療機構、或AI軟體開發商。
目前世界各國包含台灣都已開始針對AI技術以及AI在產業層面的應用加以立法規範，然而無論是歐盟或者是台灣的人工智慧法草案，因缺乏各領域專家充分並有效的討論，皆存在著科技與法律接軌時有時間及法律文字無法完整、精準規範以及容易掛一漏萬的弊端。
而法案及草案當中的針對高倫理及高道德風險者應避免使用AI技術之所謂「高倫理及高道德」與「風險」二字，此為很典型的「不確定法律概念」，而容易形成未來行政或執法上有裁量瑕疵或裁量逾越之弊端存在。換句話說，很多的規範文字「寫了等於沒寫、講了等於白講」此將導致立法者無邊界感的立法模式、且實際在執法時，管轄權難以及於私人機構或單位。建議在政府同時獎勵AI技術發展又欲限制其發展進度的同時，未來在醫療產業面上的應用應建立「同儕審查」制度即3-5人的審查小組，隨時監控AI技術的容錯率與執行；及/或在法規預告前開放一小部分私立醫院之病患去接受人工智慧醫療帶來的便利性，在累積足量的滿意度問卷調查後再進行法律的聽證及後續立法及施行，以有效達成使用人工智慧俾益社會的目的，並規避空泛立法帶來無法可管或不小心反而管過頭之窘境。
(參考資料：解密歐盟人工智慧法案
醫療技術文獻可參照：https://pubmed.ncbi.nlm.nih.gov/)(相關資料可參考網頁：學界科技專案－最新公告－113年度科研成果價值創造計畫核定清單 (moea.gov.tw))；
張可佳著，AI職場超神助手，博碩文化股份有限公司，113年11月初版)
#珊騰天下 #數位醫生 #生成式AI
粉專文章僅供分享，無其他商業用途
新聞資料：
迎戰CES 2025 臺灣新創國家隊正式成軍 國科會TTA領科研新創赴美大秀AI TAIWAN強勢科技
Line