近年來，在數位科技浪潮的衝擊下，幾乎各行各業都面臨了「被革命」的壓力。醫療業，便是經常被點名有部分工作會被人工智慧（AI）取代的行業之一。
2017年，原本任職於長庚醫院的袁國慶，加入了北醫團隊，參與由院長陳瑞杰一手創建的「TED-ICU智能重症照護系統」，專注於開發AI醫療，嘗試透過演算法，判讀病人是否罹患敗血症，享有更精準的醫療服務。
回想當年執行這個計畫時，目前擔任北醫急重症醫學部重症醫學科主任的袁國慶表示，即使已經了解AI將改變醫療現場，平時也少不了一些業餘的自修，來因應未來的變化，但是直到真正上場時才發現，自己所積累的知識竟是如此破碎，因而激起了重新當學生的念頭。
只是這次不學醫術，他報名了台北醫學大學人工智慧醫療碩士在職專班，開始學習像Python這樣的程式語言。
「目前醫院討論數位化，其實已經是老議題了。」袁國慶解釋，真正的考驗在於， 如何將數位化後的資料變得「結構化」，再進一步分類成有用的數據，拿去做深度學習、訓練AI，並且選擇合適的題目 。
如目前較主流的醫療影像等應用，要解決的問題不用大、但求能跨出第一步去執行AI，從累積數據開始，進一步擴展跨界資料的整合，而這都和醫生本身的數位素養有很大的關聯。
因此，對袁國慶而言，學習程式語言不是要讓自己成為工程師，也不只是為了了解演算法或分析大數據，而是要「學會工程師的語言」。這樣的出發點，讓他具備智慧醫療時代的「話語權」，能夠用工程師聽得懂的話，探索在醫療現場上，有哪些環節需要他們的協助，以合力設計出真正有意義的應用，進而提升醫療品質和效率。目前袁國慶就利用學習到的程式語言，與指導教授進行以胸部X光為基礎的智慧醫療相關計畫，除搜集資料外，也能透過AI演算法，協助判讀胸腔X光上的管路位置。
掌握傳統醫療的痛點、加速改變
隨著AI時代腳步的逼近，在醫療的應用上也相當多元。包括以影像分析為主的操作、協助醫師診斷的精確度；又或是能夠偵測使用者心跳、血壓的智慧穿戴裝置，如此結合物聯網的應用，將有助於未來針對個人身體數據進行演算、即時掌握身體狀況。不過AI之於醫療仍是兩個不同的產業，機器學習的過程中仍存在太多例外，因此若是就「診斷」這件事情，還是需要靠醫師本身的專業經驗判斷，這也是袁國慶所認為的，即使有了AI的輔助，加速了分析過程，最終還是需要回到醫師本身，尤其是牽涉到跨領域的複雜決策更是如此。
「現階段醫師的角色還是很重要。」袁國慶說，醫師不是一群被AI追著跑的人，而是可以「主動決定」是否投入AI的懷抱，並且駕馭新科技。
回到自身的經驗，袁國慶從兩個方面說明醫師如何在科技巨浪中自處。首先，不管智慧醫療何時到來，持續強化自己的本職學能，都是不變的追求。畢竟AI給出的答案，絕對無法完全取代醫師累積多年的專業判斷。不過他認為，像他這樣中生代的醫師，可以主動跨出舒適圈，去學習程式語言來迎接智慧醫療的時代，配合他們的經驗，將有助於目前醫療產業運用機器學習的速度與表現。
而就目前在學的學生來說，袁國慶指出，主動了解AI、程式語言技能，對於未來也會有所助益。
目前北醫大學部醫學院，除了原有的基礎程式設計課程外，108學年也開始將AI相關課程設為必修課，包括機器學習、自然語言處理、電腦視覺處理等內容，除了訓練學生思考AI與醫療產業將有何種結合及如何發揮應用，也能讓學生訓練邏輯、運算的能力，對於未來在智慧醫療的時代之下能有相關專業知識。
展望未來，袁國慶認為，要擁抱智慧醫療，並接受可能帶來的改變，因為AI終將逐步導入醫療現場，未來5G時代下，智慧醫療將可能不再是僅限於精準醫療而已，甚至引領AR、VR等技術發展，逐步實踐遠距醫療的藍圖；又或是機器人、區塊鏈等都是廣義智慧醫療的範疇。
因此，不論是現在作為醫師或是就學中的醫學院學生，都要主動去了解程式語言、了解AI是如何執行，並結合自己醫療現場的操作環節，透過這些新科技的幫助來加強執行的效率跟精準度，提供給病患一個更好的診斷品質。
轉貼至 : https://reurl.cc/zyxG4a