馬斯克對自駕車尚未橫越美國的解釋，正是應用AI技術前必須通過的關鍵：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）才行；無人車在訓練的場域再怎麼穿梭自如，仍須行道陌路才算真正AI自駕。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，針對特定工作的能力，確實讓人瞠乎其後，Alpha Go橫掃棋王即是明證。然而，現實世界可不像圍棋規則清楚分明，決策常需整合多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「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，然而醫療現場畢竟不是益智節目也不是方圓棋盤，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年花費約18億6000萬元台幣後，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（導致裁員近千人），而硬要上路後邊試邊改，後果豈堪設想？
楊文提到「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。
不久前，一位8旬老婦因壞死性筋膜炎入住敝院的加護病房，她因C型肝炎肝硬化已呈肝衰竭，黃疸腹水之外還合併急性腎損傷，根據年紀，共病症，多重器官障礙與血行動力學數據等特徵，各種預測模型都會導出住院死亡率超過9成，而且會因為超長住院導致健保核刪。由於病人不符合健保抗病毒藥物的給付規定（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。討論後，大家同意只要有機會就不要放棄。結果老太太在多科團隊的照護下，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，她不僅早就恢復意識，甚至還能開起玩笑了。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。
吹捧助於製造泡沫
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AI工具，個人認為訓練難度只會增加不會下降，而且我十分篤定醫學這門科學的藝術10年內不會被AI取代。對AI過度樂觀的想像恐怕會未蒙其利反受其害。毫無疑問，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）的概念都缺乏，實在令人擔心一旦浪潮退去，是否處處可見衣不蔽體？
肝膽胃腸科醫師、輔仁大學附設醫院醫學研究部主任
訂閱《蘋果》4大新聞信 完全免費
