由國家生技醫療產業策進會（生策會）、生策中心主辦，國家科學及技術委員會（國科會）指導之 「第 6 屆亞洲醫療科技創新論壇（Med x Tech Summit Asia）」11 月 30 日於台北漢來大飯店盛大舉行。作為 2023 台灣醫療科技展三大焦點論壇之一，大會以「AI 創新．未來醫療」為主軸，邀請醫療與科技界專業人士，從軟體創新、硬體升級和應用落地三大面向，共同盤點全球智慧醫療產業發展新趨勢。
國科會陳儀莊副主委開幕致詞時表示，未來將持續支持更多潛力醫療科技案件，推動智慧醫材跨院驗證以及在國內外上市的取證，以打造指標智慧醫院示範場域，完善精準健康生態體系、扶植精準健康產業的發展；透過政府與民間公私協力，共同將台灣具利基優勢的生物技術和醫療科技輸出國際、落地全球。
迎接生成式 AI 新浪潮，革新全球醫療的現在與未來
廣達電腦董事長兼生策會副會長林百里以「AI 如何革新全球醫療的現在與未來」為題發表主題演講。開場時他首先回顧 AI 的發展歷程，從 1980-90 年代應用範圍有限的早期 AI，到 2012-22 年間湧現、以處理單一或小範圍任務為主的分辨式（Discriminative）AI，再到自 2022 年起引爆的生成式 AI 浪潮，AI 模型趨向多模態化（Multimodal），應用更為廣泛、通用和豐富。林百里形容人類正迎接 AI 新世代的黎明，預期運算成本將會大幅下降，運算能力則會進一步提升。他又提到由於目前全球 70 至 80% 的 AI 伺服器都是由台灣製造，因此台灣掌握硬體和供應鏈的巨大優勢，在 AI 新浪潮中擁有得天獨厚的地位。
談到 AI 在醫療場域的應用，林百里認為生成式 AI 在醫療產業的發展潛力非常可觀。他表示目前很多醫師都知道有臨床 AI 工具，但真正有在使用的可能只有 10% 至 30% 左右。他相信未來倘若經過大量圖片和資料訓練之後，AI 將會更像一位真的醫生，有助於提高臨床工作效率。另外在臨床試驗方面，研究人員可以借助生成式 AI ，基於真實資料建立虛擬對照組（Synthetic control arms，SCA）。目前資料庫已經累積 20 多年來約 28,000 個試驗的數據，當中包括超過 850 萬筆匿名病人記錄，這樣的應用有望提高實驗效率，縮短藥物開發所需的時間。
事實上，微軟和 Google 兩大科技巨頭正在引領這場醫療 AI 革命。例如微軟收購了 AI 語言辨識供應商 Nuance，將其 AI 解決方案與微軟自家技術整合，輔助醫院處理龐大的臨床數據；此外又與醫療軟體公司 Epic 擴大策略合作，運用 Epic 領先業界的電子健康記錄軟體，搭配生成式 AI 快速生成電?病歷。而 Google 旗下則有 ELIXR 和 Med-PaLM M 兩大系統，前者可用作快速判讀胸部 X 光圖像，後者則可以整合病人的電子醫療紀錄、醫療影像和基因體數據等資料，支援醫師的臨床實務。此外，兩家公司都已經與一些國際頂尖的醫療體系建立合作關係，旨在結合科技與醫學知識，打造醫用生成式 AI 生態系。
然而，林百里也承認發展醫用生成式 AI 也有相當的風險，以判讀胸部 X 光圖像為例，目前還是會有誤判的狀況，故此他預期 AI 不會取代醫療人員，而是輔助他們做出更好的專業決策，人類的把關仍然是不可或缺。總體而言，林百里對 AI 在生技醫療產業的應用抱持樂觀態度，認為生成式 AI 將帶來「典範轉移（Paradigm shift）」，徹底革新蒐集、解讀和應用醫學資訊的方式。他寄語醫療人員應該擁抱新浪潮，在臨床實踐上信任 AI 判斷的同時也不忘主動查證，並積極參與醫用 AI 的開發與落地實踐。
廣達電腦林百里董事長指出人類正迎接 AI 新世代的黎明，並鼓勵醫療人員積極參與醫用 AI 的開發與落地實踐。
（圖片來源：基因線上）
醫療 AI 應用多元化，安全防護網更趨必要
微軟全球醫療長 David Rhew 的主題演講以「GPT 帶來的醫療革新與突破」為題，他提到 Microsoft Azure 是目前三大公用雲端服務平台之一（另外兩家是亞馬遜的 Amazon Web Services 和 Google Cloud Platform），更是當中唯一在台灣成立專屬的醫療產業團隊的供應商，過去兩年多深耕醫學中心與大型區域醫院，目前已有超過 70％ 的醫學中心採用微軟的 Office 365 Teams + Power Platform 等醫護協同合作平台，更有超過半數已經成功開發與落地 Azure OpenAI ChatGPT 技術，借助生成式 AI 改善醫護高工時、高勞力密集的日常作業流程。
演講中他又特別點出一些 AI 在醫療場域的亮點應用，以癌症治療為例，微軟正在開發臨床試驗匹配系統，旨在將病人與潛在的合適臨床試驗相配對，也可以幫助研究人員尋找合適的受試者。在心理健康方面，借助機器學習語音分析技術，醫師可以了解病人的壓力水平和情緒狀態，掌握他們焦慮或憂鬱症狀的嚴重程度，實現早期干預、降低醫療成本，並擴展遠端病人監測解決方案。David Rhew 又指出 AI 的興起能夠「將被動型的病人照護模式轉化為主動型（from reactive care to proactive care）」，不再局限於等到病人狀態變差才做出相應處置措施，而是可以積極防止預期之中的不良事件，及早偵測並避免病人狀況惡化。
David Rhew 在演講尾聲又提到一個名為健康人工智慧聯盟（Coalition for Health AI，CHAI）的跨部門國際組織，雲集產學研醫專家和監管機構的代表，致力讓醫療保健領域的 AI 工具更實用、更安全、更可靠，同時解決在公平性、透明度和資訊安全方面的問題。CHAI 旨在建立「負責任的 AI 護欄（Responsible AI Guardrails）」，對演算法工具施行監管，並為開發和使用醫療 AI 系統的人員提供指引和準則，從而監控和評估應用程式的效能。
參考資料：
1. https://arxiv.org/abs/2308.01317?trk=public_post-text
2. https://www.maginative.com/article/med-palm-m-is-a-multimodal-biomedical-ai-from-google-research-and-google-deepmind/
3. https://www.coursera.org/articles/aws-vs-azure-vs-google-cloud
4. https://canaryspeech.com/blog/depression-severity-detection-using-read-speech-with-a-divide-and-conquer-approach/
5. https://www.medidata.com/en/life-science-resources/medidata-blog/medidata-ai-and-imunon-findings-published-in-asco-journal-of-clinical-oncology/
6. https://learn.microsoft.com/en-us/azure/azure-health-insights/trial-matcher/overview
7. https://www.coalitionforhealthai.org/papers/blueprint-for-trustworthy-ai_V1.0.pdf