Yahoo奇摩新聞 中國附醫引進Google AI輔助乳癌治療，厲害在哪？
乳癌專科醫師多燒腦？問AI就知道。中國醫藥大學附設醫院是亞洲第1個引進Google醫療級大型語言模型的醫院，它能化身超級助理，讓醫師問到飽；還能在2分鐘內從一望無際的資訊汪洋裡，為病人歸納出治療建議。可以預見，不會AI的醫師會蠻辛苦的；有AI幫助的醫師，有更多時間留給病人。
想像你手上拿著一份200多頁的地圖輯，每頁都有一個獨一無二的求生路線圖，每一條路線都是根據眾多特定條件計算而來，最有機會平安抵達終點的路徑。氣溫幾度、有沒有下雨、陽光多強、穿哪款鞋、有哪些裝備可用、昨天睡得好不好、體能如何......隨便改變其中一項，最佳路線就會不同。
指令來了。你必須在最短時間內，跟一個朋友討論，了解他有哪些擔心害怕，再建議他一條最佳路線。如果你花太多時間想，或給出不妥的建議，都會讓這位朋友多受煎熬。
是不是壓力山大？這就是乳癌門診的專科醫師，每天都要面對很多很多遍的情境。
全球廣泛採用的美國國家癌症資訊網（National Comprehensive Cancer Network, NCCN）乳癌治療準則，就是這樣一份又厚又複雜的文件。中國醫藥大學附設醫院（中國附醫）人工智慧中心主任許凱程表示，臨床醫師對於這些準則都已經很熟悉，但比較資淺的醫師，或是還在學習階段的醫學生，就無法很快上手。
乳癌專科醫師的燒腦日常，熟悉上百頁治療指引還不夠
中國附醫乳房外科主治醫師黃至豪解釋，醫學生畢業、拿到醫師執照後，要先接受4年住院醫師訓練，在此階段，可能得花一整天看病歷、查資料，還可能不小心查到舊資料。就算努力把NCCN翻遍，也會發現治療指引都沒有寫死，還有許多模糊地帶得靠經驗判斷，結果就卡住了。
住院醫師結訓後，還要通過專科醫師國考，再接受2年次專科訓練，之後的職業生涯還必須持續參與醫學研討會、接收國際新知。有了這麼多年堆疊的深厚基底，一位醫師才有足夠的知識和經驗，可以將治療指引融會貫通、妥善裁量，在短短時間為乳癌病人聚焦幾個不錯的治療計劃。
從茫茫資訊聚焦已經這麼燒腦了，但這還不夠。黃至豪表示，醫師不能只考量「如何提高治療成功的機會」，還得在醫學考量和病人考量中間找出平衡點。病人在意的事情很多，例如手術後不美觀、害怕副作用、生活品質受損、要常跑醫院；台灣的健保給付規定、病人的經濟能力，也必須納入考量。
黃至豪解釋，一個病人至少要面談15～30分鐘，才能夠理解他的想法，再想辦法避開他不想要的事情，一個一個確認，直到找出雙方都能接受的替代方案，終於做出第一個治療決定，比如要不要開刀。跟病人談完，醫師還要回去做文書作業，把討論重點和結論，都記錄到進病歷裡。
從聚焦治療選項、醫病討論、共享決策、到記載病歷，一位乳癌病人治療計劃的確立，就是這麼花時間。如果能在「聚焦治療」和「記載病歷」這兩個比較機械化的流程，有超專業的助理幫忙確認治療方案符合國際指引、謄打病歷，「醫病討論」和「共享決策」的時間就充裕多了。
Google醫療級大型語言模型化身超級助理，亞洲首站在中國附醫
在中國附醫，這位超強「助理」就是亞洲醫院首見的Google醫療專用大型語言模型MedLM。可以把它想成一個擁有豐富臨床醫學知識、以資優級高分考過美國醫師國考、飽讀最新醫學期刊和治療指引的ChatGPT。這位「助理」到了台灣，第1個服務的對象就是中國附醫的乳癌專科醫師。
「AI無法取代人跟人之間的互動，也無法做出最後決策，但有點像副駕駛，可以幫忙double check（第二重檢核）。」黃至豪測試後發現，MedLM的回答與專科醫師的想法有高達7成的一致性，可以幫助醫師省去找資料的時間，快速找出明確的方向。
許凱程說，醫學院老師都教我們，到了醫院，不要一直唸教科書，「多看看你眼前的病人，從病人身上學習，病人才是你最好的老師。」黃至豪也同意，省下來的時間，可以多跟病人互動，思考以往沒時間細究的問題。MedLM生成的治療計劃，也有望加速病歷的完成。
中國附醫院長周德陽指出，在「有些懷疑，不是很確定」的時刻，AI可以幫大忙。
有個病人被診斷淋巴癌，但行醫數十年的周德陽，怎麼看都覺得應該是感染、不是癌症。獨排眾議的周德陽，也有點懷疑是不是自己錯了，靈機一動，把檢驗數值拿去跟AI討論，AI也說，不能排除是感染引起。周德陽決定往感染症的方向檢查，果然沒錯，病人解除癌症警報，開心得不得了。
即便如此，醫師的人腦智慧還是無可取代。
周德陽說，AI像是醫師的口袋老師，隨時提供豐富參考資訊，但醫師還是要有自己的想法、做最後的決定。因為，現在AI應用偏向單點，會看影像檢查的就不會看檢查數值，反之亦然，更別說綜合判斷。醫師的養成教育卻是「多模態」，要考量病人年紀、病史、家族史、檢查數值、影像檢查，病患社會經濟條件等種種因素，再做出綜合判斷，這是最強大的智慧。
本土資料不外移，幻覺回答可避免
許凱程表示，MedLM可以在1～2分鐘內歸納出最佳治療計劃，還會附上資料出處，讓醫師可以親自檢查。MedLM正在接受中國附醫院內乳癌治療指引的訓練，也要透過指示工程（Prompt engineering），教它在健保給付規定範疇下回答，最後再用實際病人的資料去測試，才會正式在診間應用。
有些醫師擔心，如果使用國外廠商的大型語言模型，是否可能導致隱私資料外移？
Google Cloud醫療照護全球總監Aashima Gupta，去（2023）年12月中旬特別飛來台灣出席這項合作的記者會。她在會中強調，指示工程是使這套語言模型發揮最大價值的關鍵，也是中國附醫的智慧財產。台灣彰濱有Google的資料中心，完全符合國際及台灣法規， Google在任何情況下都無法取得醫院客戶的資料，私有的資料（例如中國附醫的病歷）也不會回到資料中心裡面，民眾可以放心。
也有醫師擔心，如果大型語言模型學習過大量的真實病人資料，未來生成的答案會不會失控，透露病人隱私？
許凱程表示，愈好的大型語言模型，回答出現幻覺的比例要愈低，為了減少幻覺，中國附醫會採用檢索增強生成（Retrieval-Augmented Generation, RAG）技術，建置一個資料庫，限制MedLM的搜尋範圍，藉此避免它生成幻想的回答。無論AI生成了什麼，都要經過專業人員的把關，最終還是由醫師和病人共同決定治療方式，只是「不會AI的醫師，會蠻辛苦的。」
延伸閱讀：
