文●何佩珊

Google耕耘AI醫療多年，Google Research科學家科拉多與團隊此次來台，是要跟中醫大附醫開展亞洲第1個健康醫療大型語言模型應用。(攝影者●駱裕隆) 

當AI通過專業醫學執照考試，將會如何改變我們的生活？ 

2022年底，當多數人為ChatGPT能力感到震撼的同時，Google針對健康醫療產業開發出的大型語言模型Med- PaLM，悄悄成為第1個通過美國醫學執照﹙USMLE，為美國實習醫師必須通過的醫師專業考試﹚考試的AI，並在2023年將成績從通過及格線，提高到87％的正確率。 

AI考照正確率超過８成
等同哈佛醫學院前10％水準 

中國醫藥大學附設醫院研究副院長李光申指出，這已經相當於哈佛醫學院排名前10%學生的水準，「是專科醫師程度。」 

中國醫藥大學附設醫院院長周德陽舉例，當他們向不同AI提出「病人眼睛無法向下看是什麼病」的問題時，一般大型語言模型的答案是：這是顱神經的障礙。 

「這個答案沒有錯。」他說，但基於Google Med-PaLM 2打造出來的AI回覆更精準：「是第3對腦神經出問題。」 

然而，這也不代表AI可以就此取代醫師。 

參與該大型語言模型開發的Google Research傑出科學家暨資深總監科拉多（Greg Corrado）受訪時多次強調「人的參與」（Human in the loop）的必要。直接的說，就是即便現在的生成式AI比過去更強大，仍只能扮演助手，無法獨當一面。 

關鍵就在生成式AI一直以來最被詬病的兩個問題：提供錯誤或不存在的答案，以及不一致的回答。 

這類問題如果發生在遊戲裡，玩家要付出的代價，大概就是再花更多時間闖關，甚至，那些胡言亂語還可能被視為有趣的插曲。然而，在人命關天的健康醫療產業裡，沒有太高的容錯率。 

那麼，一個具備專科醫師能力但無法擔任醫師的AI，能為世界帶來什麼改變？ 

生成式AI無法取代醫師
但可有效提升行政效率 

Google Cloud醫療照護全球總監古普塔（Aashima Gupta）指出，目前生成式AI在醫療健康領域的應用，已經看到3個明確發展方向。第1是生命科學相關研究，如縮短新藥開發時程；第2是數位體驗的提升，如利用AI做病人衛教，讓病人更容易找到相對應的診療科別和更具同理心的治療指引等；第3則是提升行政效率，如看診時的病例抄寫、醫護換班的文件交接等。 

這當中，後兩者已有明確進展，並也已經在台灣落地。 

中醫大附醫是亞洲首家導入Google Med-PaLM 2大型語言模型應用的醫學中心。李光申表示，第1步他們會將這個技術用於「客製化癌症治療指引」與「化療問答集」。 

他說明，做為中部大型醫學中心，他們手上病人的癌症種類既多且雜，碰上少見癌種，要擬定專業治療計畫，往往需要醫護人力大量查找與討論。而有了AI醫療大腦，就可以加速團隊討論效率，也讓他們有能力服務更多病人。 

除了輔助醫師，中國醫藥大學附設醫院主任秘書陳韋成表示，這套AI也可以服務病人。舉例來說，如果化療病人在家突然出現狀況，過去，可能是聯絡個案醫管師或直接到醫院掛號看診，但透過AI，只要在手機App內輸入問題，就有可能立刻得到解答。 

這些應用都還只是開始。科拉多提到，最初他們對生成式AI在健康醫療產業的想像，是可以協助醫師診斷，如回答「肺炎初期症狀為何？」這類問題。然而，在提供醫護人員實際試用後卻發現，他們更期待AI能提供協助的，其實是行政文書相關工作。 

古普塔表示，有統計數據指出，平均每1個小時的臨床診療，後續醫護人員要花上2個小時處理文書等後勤作業。這代表，AI若能代勞，就可以大大釋放醫護人員的時間，讓他們有更多時間投注在病人照護，也有助於緩解醫護人才荒。 

這樣的應用看似平凡，卻是醫護人員真正想要和需要的。 

這也說明了，為什麼科拉多會說：最好的應用還沒出現。 

現階段醫療領域生成式AI的突破，更多是技術上的成熟，不僅讓AI更接近專業醫師所具備的知識，也創造出更直覺的人機互動介面。 

但科拉多認為，現階段更重要的，應該是讓醫護與病患實際去了解和使用這項科技，進而探索出更多可能。 

做為一名科學家，科拉多表示，最驚喜的時刻，就是發現自己是錯的，他說：「人的想像有極限，科技也許沒有。」生成式AI未來將如何顛覆醫療產業，他沒有答案，但他相信，更好的應用，一定還在想像之外。