图片来源：https://pixabay.com/images/id-802967/

2016年日本东京医科学研究所利用Watson系统诊断病情恶化的血癌病人，在众多顶尖医师束手无策的情况下，Watson利用大数据数据及病人基因，在10分钟内给出正确的诊断。2016年《自然》刊登人透过工智慧诊断皮肤癌的精确度胜过皮肤专科医师。医学影像，亦开始大量使用AI技术判读。总总AI在医疗运用成果，让人无法漠视AI技术，对医疗产业产生反思—医师是否将被AI取代?

AI降低医疗的不确定性

诺贝尔经济学奖得主Kenneth J. Arrow提出医疗不确定性有两个方面，一是疾病发生的不确定性，另一项则是治疗效果的不确定性，但是感性层面上病人是无法接受治疗过程中有不确定性存在，病人希望透过医师获得一个肯定的诊断并给予对应的治疗。

传统诊断是根据医师个人过去诊断流程，听病患主诉、理学检查(视诊、听诊、嗅诊、叩诊、触诊)产生众多初步诊断假说，进一步做抽血检验、检查，缩小疑似诊断范围。医师们经过无数次的诊断，将过去脑海中的知识、疾病模式、病患临床症状与数据，进行交叉匹配、分析，做出直觉式的经验诊断。我们无法否认，有些名医诊断出奇神准，然而，只要是人皆有忽略某些细节的可能性，而人类的经验中时常存在认知偏误。认知偏误可能导致判断不精准，在医疗上时常会发生误诊的情况。

在处理医疗不确定性与避免疏失，利用AI发展的医疗决策辅助系统将医师诊断的流程标准化，借助逐一病患检验、检查结果信息越来越多，发生某种疾病的机率就会越来越高，例如当有一个病人出现呼吸困难、咳嗽、发烧等症状，可能的疾病会有肺炎、肺结核、SARS、气喘等这么多种，系统会将症状、CXR诊断、痰液培养诊断等检查结果进行计算，在贝氏定理的理论之下，当你有一个初始机率再加上一个新的证据，诊断准确的机率将上升，因此最后AI系统可显示病患得到细菌性肺炎的机率超过九成以上，医师客观地做出诊断，更有信心进行后续的治疗计划。

医学的确是需要AI进行辅助诊断，像是实时预警系统，利用大数据分析，自动撷取病人生理讯息会同电子病历中关键词，并与最新医学信息比对最新治疗方案，提供智能警示的功能，给予医疗建议，不仅降低医疗上的不确定性，亦可以取代医师进行重复性工作，有助于改善医疗质量。

人文变量是AI无法取代医师的关键

人类在正确率、速度、记忆、知识累积和变量分析等方面无法胜过AI，但是医疗并非只是冰冷的数据数据，有许多的人文变量是AI无法处理和给出答案的，例如癌症病患是选择积极手术治疗或是以考虑生活质量的安宁照护，这将是最高级别决定权利，是需要医师和病患及家属面对面沟通、讨论，而不是面对AI提供冰冷的概率数字。

医师就职宣言中“我将要最高地维护人的生命，自从受胎时起”这是对病患生命的尊重和使命感。医师的重要任务在于维持一个有尊严、有质量的生命。AI现阶段只能做到维持生命的判断，如果用AI取代医师，最后结果很可能是所有的人类在临终之前都装上叶克膜。AI是医师的未来好伙伴，给予多元可能性的提醒与建议，但是AI绝对无法取代医师。