ChatGPT熱潮， 為醫療現場帶來哪些衝擊與影響？

 

 

人工智慧在醫學上的運用已經發展多年，藉由「餵」給AI大量正確的醫學資料後，讓AI懂得從大量數據中彙整、歸納後得到結論。這種「推論式AI」可以看得懂心電圖、腦波、X光、電腦斷層、磁振造影，甚至是動態超音波的資料，已經運用在許多醫療現場，成為醫師的得力助手，輔助醫師快速做出正確的診斷。而現在又有ChatGPT代表的「生成式AI」，掀起新一波衝擊。

 

 

「生成式AI」不只能推理、彙整、歸納，還能在接受指令後生成文本，甚至還能生成圖片、影像。不難想像，人類能做的，未來都有可能請ChatGPT代勞。

 

  事實上，ChatGPT當中，GPT的意思是generative pre-trained transformer，是一種大語言通用模型。ChatGPT甫推出就對各行各業造成影響，勢不可擋，醫療領域也不例外。已有患者在看診前，會先詢問ChatGPT這些症狀是什麼疾病，也有患者會拿詢問ChatGPT的結果，做為和醫師討論病情的依據。

 

  2023年9月媒體報導，美國一位4歲男孩在疫情期間出現不明疼痛，花了3年看了17位醫師，都無法得到明確診斷。媽媽將男孩的所有症狀、檢查的數據與影像輸入ChatGPT，得到了「脊髓牽扯症候群（tethered cord syndrome）」的答案，再去與醫師確認，最後由神經外科醫師確定診斷為「隱形脊柱裂（spina bifida occulta）」，透過手術，男孩已獲得改善。

 

  上述案例顯示，在罕見疾病的診斷上，ChatGPT或大語言模型未來能發揮更多功能。因為臨床疾病約有十幾萬種，但每位醫師診斷過的疾病有限，尤其是罕見疾病更是難得一見。在醫師時間、記憶能力有限的前提下，ChatGPT可以提供更多線索，讓醫師面對罕見疾病時有診斷方向。

 

 

ChatGPT還有哪些醫療上的應用與影響呢？例如，能減輕護理師的臨床工作。護理師的護理記錄、監測患者生命徵象等工作佔去工作大部份時間，但若有ChatGPT，可以利用語音輸入生成紀錄，還能發展「一鍵交班」，將十多位病人的資料整理成清單，不需要再額外花時間整理紀錄，護理師可以更專注在照顧病患；生命徵象監測部分也可以導入無線的穿戴式裝置，再利用AI監測，若有問題可自動示警亮燈，不需要每一床緊迫盯人，減輕護理師的工作負擔。

 

  另外，目前病人服藥後若產生副作用或不良反應，倚賴病人告知醫師，醫師再警覺去通報，可能會漏失，並不完整；未來如果導入ChatGPT等大語言模型，結合自動化分析的藥物監測，可以及時發現細微但嚴重的藥物不良反應。

 

  ChatGPT為一般人都可使用的通用大語言模式，未來也會有不同專門領域的「專用大語言模式」。如Google已經在發展的Med-PaLM，是醫學領域專用的語言模型，也就是把所有醫學資訊讀完後訓練出來的生成式AI，有望成為未來醫師重要的專業輔助工具。

 

 

ChatGPT看似可以解決很多問題，但在醫療場域中，也不是萬無一失。例如，ChatGPT有產生「幻覺」（hallucination）的問題，也就是它給的答案並不正確，在真實世界並不存在。

 

  但沒有受過專業醫療訓練的民眾，往往難以判斷哪些內容是「幻覺」。科學上一直希望可以解決這問題，需要透過提供更多正確及專業的資料去訓練ChatGPT，並對模型進行微調（fine tuning），才能減少幻覺產生。

 

  因此，一般民眾最好還是把ChatGPT當成參考、輔助角色，其建議不該照單全收，更不應該因此不去就醫。患者有健康或醫療上的疑問，可以先透過ChatGPT取得一些基本了解及建議，最終還是必須就醫由醫師確認。

 

 

ChatGPT實際可發展的醫療應用，可以用三個同心圓來說明。最外圍的一圈，ChatGPT可把海量資料做摘要，提供建議，對病人病情生命不會有直接決定性影響。例如，一般人到醫院就診前，可能不知該看哪一科，醫院可在門診推薦系統導入ChatGPT，就能幫助患者找到適合的科別。另外，ChatGPT也能幫助整合不同醫院的病歷摘要，供醫師迅速了解病情。在這種情況下，ChatGPT只是把現有的資料整理後摘錄重點，並不涉及憑空生成文本，不會有「幻覺」產生。

 

  第二圈，是提供一些病人的症狀請教ChatGPT診斷或治療的建議，再透過醫學標準診斷程序做最後確認，是一種「決策輔助系統」。

 

  最核心的圓圈，則是將ChatGPT直接作為診療工具，目前已經在發展的是心理治療領域。有些身心疾病患者，需要心理諮商或長時間陪伴，而博覽心理治療專業資料、擁有一兆以上參數的ChatGPT可變成聊天機器人，很有耐心、不會發脾氣，而且成本也比和諮商師洽談低，但前提是要事先提供該模型正確的資料。

 

  上述的同心圓，目前第一圈、第二圈已經在許多醫療院所陸續導入，但最核心的這一圈仍在發展與實驗階段，若要廣泛運用還需要經過專業人士把關、微調與認證。
 

 

 

ChatGPT等大型語言模式仍在急速發展階段，但「推論式AI」的醫療器材或軟體已在醫療現場實際使用，據媒體報導，國內至今已有將近百件以AI技術為主的醫療器材取得國內許可證，百餘件正排隊等待審查；2023年10月，健保也已經給付首款可以監測病人生理參數的AI醫材，可以監測麻醉高風險患者的血壓變化，並在病人發生低血壓的15分鐘前預警。

 

  為了因應這股人工智慧浪潮，臺大醫院在2020年就成立智慧醫療中心，目前累積研發近30種AI模型，其中實際落地約6種。未來可望在各科別持續發展AI模型，而且資料量能期待越來越多，不只是院內資料，還包括跨院、跨國資料。

 

  例如臺大醫院也開發了一款可以在加護病房識別高危險患者的AI系統，病人若有生命徵象異常，可以提早6到12小時示警，此系統已經進入跨院驗證階段，也已申請相關專利。

 

  加護病房最擔心病人發生猝死、呼吸衰竭或休克，通常發生上述狀況前的1?2小時，醫護人員才會察覺病人生命徵象異常，如果導入AI偵測血壓、呼吸、心跳等相關數據，則可以提早發現，讓醫護人員及早因應。

 

  AI能及早發現異常的原因是，病人的心跳、呼吸、收縮壓、舒張壓、平均壓、心電圖等數據，彼此牽一髮而動全身，但人類往往只能單點思考，但AI透過電腦平行運算，能提早發現這些數據的趨勢已經走向異常，並提前示警。醫師得知警示後，能提早診斷治療，可以想像這樣的AI就像是導航系統。

 

 

不過，AI在醫療領域的應用，有一條不可觸碰的紅線，就是生成病歷。根據醫師法第12條規定，醫師應親自製作病歷；目前有若干醫療院所已導入AI語音工具製作病歷，是由醫師或護理師口述患者體溫、呼吸、心跳、食慾和精神等資料，透過AI把這些內容轉化為高品質文字，這樣並不算踩到法規紅線。反之，如果是把加護病房中的錄影影像，直接上傳至ChatGPT生成病歷或護理紀錄，則違反醫師法規定。

  從推論式AI再到生成式AI，人工智慧未來一定會在醫療領域發揮更多功能，也會改變下一個世代醫師的訓練與養成。AI雖然可以協助分擔醫師、護理師的部分工作，但人類還是有是非、善惡、同理心、同情心，這些是人工智慧現階段尚未學習的，此外，大語言模型的價值觀容易由少數公司把持，導致價值觀窄化，如何監管是需要各國政府處理與思考的議題，讓AI能幫助世人解決各種難題，而不致反噬人類。