許耀峻／肝膽胃腸科醫師、輔仁大學附設醫院醫學研究部主任
日前拜讀了楊照先生《未來醫生還是個好行業嗎？》專文，對內容觀點實感詫異，有鑑於楊先生為知名意見領袖，個人擔心該文可能的負面影響，因此不揣淺陋，撰文提供異見，以供各界賢達參酌。
伊隆馬斯克 （Elon Musk） 在2017年底被詢問特斯拉（Tesla） 的無人自駕車為何無法如期橫越美國（coast to coast）時提出解釋，他說明技術上並非做不到，但是需要非常特化（specialized）的程式而且車輛只能走單一特定路線（one particular route），他承認那不是真正的方案（not really a true solution）；他在2018年2月展延此支票，宣告3個月至多6個月內（也就是2018年8月）會兌現此壯舉，然而當大眾引頸等待之際，很不幸地，Uber 的自駕車在2018年3月因為判讀錯誤而發生死亡車禍。
馬斯克對自駕車尚未橫越美國的解釋，正是AI技術被應用前必須通過的關鍵步驟：具備一般推論性（generalizability），意即不管演算法在用來學習的資料中表現得多麼優異，其結果必須能外推（extrapolate）無誤才行；無人車在訓練的城市中再怎麼穿梭街巷，還是必須行道陌路才是真正AI自駕。在規則清楚的前提下，以海量數據與正確回饋為基礎的機器學習，針對專一工作的辨識或預測能力，確實已讓人類瞠乎其後，Alpha Go橫掃棋王即是明證。然而，現實世界可不像圍棋規則這般清楚分明，決策也不是非黑即白，實際上常需整合各種能力或以一般智能（general intelligence）為後盾，然而這是AI發展尚待突破的瓶頸。
楊先生提到「一個醫生……怎麼跟動輒百萬、千萬筆的大數據資料相比」，便是誤以為醫療工作如同《Jeopardy！》般的益智遊戲，只要具備大量資料與檢索能力便可無往不利，事實真是如此嗎？全球知名的安德森癌症研究中心（MD Anderson Cancer Center）在2017年宣告與IBM Watson的合作以失敗收場，經過4年時間花費約18億6000萬新台幣後，沒有得到任何可用於病人的工具（當然留下很寶貴的教訓）。IBM內部文件顯示，這個具有整個醫療機構龐大病歷資料與各種最新文獻的專家系統，常會做出不正確甚至不安全的治療建議。如果安德森中心不肯承認失敗，不願承受巨額虧損（導致裁員近千人），而是包裝一番後硬是上路後再說，後果豈堪設想？醫療現場畢竟不是益智節目也不是方圓棋盤，更遑論不同醫療體系發展出來的專家系統，須排除多少障礙才可能適用。
楊文提到「有越來越多的系統，例如牽涉到健保給付的，會帶著高度的強制性……醫生的自主性會快速且持續的下降」，似乎推崇以系統代替醫師決定，然而行醫不僅是科學也是藝術（Medicine is a science of uncertainty and an art of probability, by William Osler），醫師不會也不該只根據預測模型進行診療，還需要溝通，同理，尊重，與體悟人性，追根究柢，我們面對的是人。
前些日子，一位8旬老婦因壞死性筋膜炎入住個人服務醫院的加護病房，她因C型肝炎肝硬化已呈現肝衰竭狀態，黃疸腹水之外還合併急性腎損傷，根據病人年紀，共病症，多重器官障礙與血行動力學數據等特徵，各種模型都會預測住院中死亡機率超過九成，而且會因為超長住院與各種費用導致健保核刪。
由於病人不符合健保給付C肝抗病毒藥物的規定（基因型第二型且肝衰竭），我與家人解釋需自費治療時也坦承病情不樂觀，所費不貲但很可能只是徒勞，可是肝機能不恢復一定沒機會。家人堅定地說只要有機會就要試試看。結果老太太在重症、感染、整形外科、腎臟與肝膽等多科團隊的照護下，擊敗機率，肝機能大幅改善，住院百多日後順利出院，最近回診確認病毒徹底清除，且已無黃疸腹水，老太太不僅意識恢復，甚至還會開起玩笑了。我同意這是特例，不會每次都這麼幸運，但是像這樣的病例，如果由系統或演算法決定治療方針，恐怕連機會都沒有。
AI已席捲人類生活各個層面包括醫療，這股浪潮沛然莫之能禦，未來醫師將需要學會如何善用且避免誤用數據分析與AI，個人認為訓練難度只會增加不會下降，而且十分篤定醫學這門科學的藝術十年內不會被AI取代。對AI過度樂觀的想像只會讓大眾未蒙其利反受其害。
我當然樂觀AI將促進醫學發展，但近乎吹捧式的期待只是有助於製造泡沫，個人遇過不少熱心人士侃侃而談正在或即將從事AI產業或研究，但是卻連過度配適（overfitting）和外部驗證（external validation）的概念都沒有，實在令人擔心一旦浪潮退去，是否處處可見衣不蔽體？
（本文純為個人觀點，與作者所屬單位機構無關）
訂閱《蘋果》4大新聞信 完全免費
