從1960年代初，學術界陸續展開對於人工智慧的研究，一直到目前的機器學習、深度學習等觀念，所帶來的第三波人工智慧浪潮。

對於醫療領域來說，在1970年代初期，人工智慧就已經被應用在各項檢查，例如根據血液檢查的結果來發現患者的感染性血液疾病，並且延伸出輔助醫療者判斷採用何種抗生藥物來成功的醫治，比起過去所採用的經驗法則，大大的提升對於感染性疾病的判斷準確性。

透過人工智慧技術的力量，可以達到一瞬間完成檢驗

直到最近，透過深度學習技術的能力大幅度提升影像辨識正確性，舉例來說，透過X光攝影（X-ray photography）、電腦斷層掃描（Computed Tomography）、核磁共振（Magnetic Resonance Imaging），以及細胞檢查（Cytodiagnosi）等檢測設備，能夠從潰瘍的發現、腫瘤增大的結果，來發現身體的異常狀態。而這些檢查過程與發現，已經從過去需要耗費10多天，一直到透過人工智慧技術的力量，可以達到一瞬間完成檢驗。

相信可以預見在不久的未來，醫學領域也將出現相當具規模的醫療變革（圖一、

圖二、圖三）。對於疾病的診斷方面，以目前較簡單的方面來說，已經能夠透過類似建議協助的人工智慧來進行，例如，可以經由在具有醫療性質人工智慧的設備中輸入問診和檢查結果，來獲得類似診斷的建議內容。

圖一 : 從1960年代初，學術界陸續展開對於人工智慧的研究。（source：東京大學工學系研究科）

圖二 : 伴隨辨識技術提升，醫學領域也將出現大模的醫療變革（A）（source：東京大學工學系研究科）

圖三 : 伴隨辨識技術提升，醫學領域也將出現大模的醫療變革（B）（source：東京大學工學系研究科）

和人類一樣，醫療領域的人工智慧也是需要經過一定程度的學習，才能夠產生對於事物判斷的能力，應用了學習而來的技術，可以從拍攝的醫療影像中發現病變結果，再加上患者的症狀、基因組體資料後，進而可以分析出初步的診斷結果。

日本透過政策計畫推動人工智慧在醫療領域的應用

因此，對於人工智慧在醫療領域的應用方面，日本也從政府階層開始進行計畫性地推動，在2016年11月，日本政府所召開的第2屆未來投資會議上，首相安倍晉三就明確的宣示，大數據（Big Data）與人工智慧將會在預防、健康管理，以及遠端醫療方面進行最大程度的應用，來實現高醫療品質（圖四）將人工智慧導入日本醫療體系之中，並且日本厚生勞動省也開始著手規劃一系列相關的政策，來因應人工智慧醫療時代的來臨，包括醫療費用的修正、採用人工智慧醫療的激勵措施等等，並且預計將在2020年全面實施與推動人工智慧醫療制度。

圖四 : 倍晉三在2年前的未來投資會議上宣示，將大數據與人工智慧在預防、健康管理，以及遠端醫療方面進行最大程度的應用，來實現高醫療品質。（source：日本首相官邸）

為了達到在醫療領域更高度應用人工智慧能力，高度完整且安全資料庫的整建絕對有其必要性，在這方面，日本政府開始整合和建立了，包括電子病歷卡、健康檢查資料、醫療、照護的收據憑證資料等一元化系統資料庫，來做為跨入次世代健康管理系統架構下，提供更好醫療品質的第一步（圖五）。

圖五 : 日本政府正進行規劃的患者資訊數據資料庫概念圖（source：日本ICT活用推進懇談會提言書）

被稱為「PeOPLe」的人工智慧醫療管理系統，已經開始整合與保存日本各醫療機關裡每一位患者的醫療診斷紀錄，並且授予每個患者識別編號（醫療ID），除了方便保存與管理醫療資料之外，並且也將患者在不同醫療單位就醫的資料予以統一保存管理，在未來就診時，醫療人員可以從資料庫中讀取患者過去完整的就診資料與各種檢查報告。

醫療人員方面，在未來也將統一在PeOPLe中記錄每一個患者的診療資訊，同時也可以作為患者在進行回診時，透過人工智慧技術的能力，在進行檢查、診斷、治療的同時，也可以向醫療人員提出醫療支援、建議和各種警示提醒。然而資訊化之後，除了可以節省無謂及浪費的檢查之外，並且能夠將醫療資源進行最佳化的分配，並且透過匿名化的醫療資料，提供給各學術單位進行各項更為先進的醫療研究。厚生勞動省醫藥生活衛生局長武田俊彥表示，在未來的健康管理系統方面，在這樣的構想下，醫療、照護等資料將都會被網路化，並且作為大數據的一部分，除了減輕醫療人員的負擔之外，更可以透過大數據資料庫，在人工智慧技術協助之下，來對各地域進行下一代的醫療發展規劃，讓各地域的患者能夠得到較為完善的醫療服務。

不斷的反覆進行運算，達到快速增加高度判斷的能力

在這樣次世代醫療服務體系的建構中，最重要的還是莫過於人工智慧的技術力量，但是，在這裡人工智慧將會進行什麼樣的架構改變?

最初，電腦系統只有被輸入和儲存圖像以及文字等資料，而再進一步的可以進行簡單的訊號收集、整理、辨識和分析。而加入了人工智慧之後，這些訊號資料就可以被同時並存地進行特徵性比較，然後對於這些特徵性的文字圖像進行判斷。

就如同能夠對患者透過各種檢查設備所拍攝而得到的圖像進行分析，然後更進一步的獲得診察判斷結果，同時再與資料庫中的樣品資料進行比對，根據所預設的規則來做出各種診察報告。

在以前，必須匯集各種所獲得的醫療資訊，以人工輸入的方式，提供具有初步人工智慧的電腦或儀器來進行比對分析。不過，伴隨著電腦的計算能力有著飛躍性的發展，得以進行更為複雜繁重的程式計算，這樣的變化，已經可以從「如果是A的話，那就會演化到B」的單純對應關係，進步到「在A的情況下，如果出B的話，可能會演化成C」的多層判斷和分析，讓人工智慧技術進步到可以自行「深度學習」的階段，進而不再需要依賴人工來進行初步或比較過後的資料輸入工作，憑藉人工智慧的深度學習能力，不斷的反覆進行運算，來達到資料自動辨識，快速增加高度判斷的能力。

圖六 : 人工智慧透過機械式的方式來有規律地進行自我學習。（source：日經MEDICAL ONLINE）

在人工智慧對於醫療方面的學習、個案判斷基準，都是和普通人一樣，沒有什麼不同。長年投入人工智慧開發研究的慶應義塾大學理工學部生命情報學科?原康文教授表示，醫生從患者的問診結果中，抽離出重要的關鍵訊息，藉以作為初步和廣泛程度的判斷，再以結果來對患者的病理做出辨別。這時，醫師還必須根據過往的學習知識和經驗進行反覆的思考、驗證，來提升精確度，獲得正確的診斷結果。人工智慧醫療機制也是一樣，只不過比較大的差異是，人工智慧是透過複雜的運算來修正各種係數結果，並且不斷的反覆進行微調整，再獲得最後的結果。

將人工智慧導入急救醫療提升急救成功機率

在傳統上，急救醫療的本質上就是醫療團隊和時間在競賽。而急救醫療在導入科技之後，就又多了智慧型手機APP和人工智慧的協助。

日本東京慈惠會醫科大學，在先端醫療情報技術研究講座擔任準教授的腦神經外科高尾洋之醫師，從2016年11月開始，就擔負著主導利用手機APP和人工智慧協助急救醫療這個計畫的任務，2017年度正式開始臨床應用實驗，預計在2018年正式導入急救現場使用。

在2015年時，高尾洋之醫師就已經在日本東京慈惠會醫科大學，有著超過3000部具有這項功能的iPHONE導入經驗，並且將醫療訊息予以資訊化。在2016年正式展開這項計畫時，除了醫院本體之外，更加入了Allm這家公司來共同開發智慧型手機的APP，並且整合融入了人工智慧技術，稱之為「JOIN」。

「JOIN」的架構是為了在數個醫療關係者之間可以快速且有效的進行溝通、資料分析，並且讓包括手術室、急救室等數個醫療關係者能夠同時獲得，例如X光攝影、電腦斷層掃描或核磁共振攝影、醫學攝影、心電圖等各項身體檢測結果和數據。

圖七 : 利用手機APP和人工智慧協助急救醫療 （source：日本東京慈惠會醫科大學）

實際上，救護人員在急救現場是相當難以正確掌握患者的受傷或健康狀況，並且無誤地傳達給後續急救的醫療人員。而利用智慧型手機APP和人工智慧協助急救醫療這個計畫，就是希望借助智慧型手機APP和人工智慧，在緊急救護和運送的過程中，能夠讓後端急救團隊能夠及早獲得患者的狀況，縮短抵達後初步傷檢判斷時間，達到提升急救成功機率與減輕各種健康後遺症為目標。

這個急救架構是透過人工智慧來進行問診與生命特徵感測，再將所獲得的資訊予以分析，並且進行檢傷分級（Triage）。基於這個分析結果，在醫療單位接受急救患者時，就夠預先制定急救計畫，以及選定運送患者對象。

例如對於急性腦血管疾病的患者，可以在出現症狀時，讓緊急救護人員預先進行相關簡易急救醫療行為。以腦血管栓塞的患者為例，從症狀發生後的發生3小時內可經由靜脈給予tPA，此類藥物的使用必須靠醫療團隊的合作，與時間賽跑以搶救腦細胞。並且在8小時內裡用血栓清除設備實施血管內治療，讓中風後遺症降到最低的程度。而這些畫面、資料、各種行動、醫護人員之間的溝通，就可以透過手機中的JOIN這個APP來進行。

更進一步的，高尾洋之醫師不僅僅讓JOIN這個APP擔負著患者急救運送時的緊急和問診處理，更進一步的融合人工智慧來完成「Cloud ER」系統，初步將先以腦、心血管患者為急救對象，透過「Cloud ER」系統提高急救成功率與降低後遺症。

在「Cloud ER」系統中所使用的人工智慧有兩大類資料分析。第一類是讓患者戴上具有量測心脈、血壓、心電圖等等生命特徵功能的醫療電子手環。第二類則是透過智慧型手機中的APP來收集整理患者的發病各項資料。

當預定接收患者的醫療機構也從JOIN和「Cloud ER」系統獲得發病各項資料之後，就能制定患者的急救計畫，以及準備相關急救器材，另一方面，也可同時指示負責運送的進護人員，進行必要的急救措施，讓患者運抵醫療機構之後，就能夠立即獲得最適切的緊急救護醫療。

非所有的醫療人員都樂意接受人工智慧醫療時代的來臨

雖然將人工智慧導入醫療系統，透過政府的推動、各業者的技術整合，看起來已經是必然的趨勢，但是對於現今的醫療體系以及醫療人員來說，還是必須面對無法避免的適應期。

事實上，透過日本的專業媒體訪問分析可以發現，並非所有的醫療人員都相當樂意接受人工智慧醫療時代的來臨，甚至有一部分的醫療行為將會被人工智慧系統或者機器人所取代，這更是深深激怒了部分的醫療人員。

根據調查，大概有85.2%的日本現行醫師相信，在未來100年內，將會實現透過人工智慧來進行醫療輔助。只有不到15%的醫師認為即使再過100年，人工智慧仍無法取代人類進行醫療行為。而對於採用人工智慧產品來做為醫療輔助方面，仍舊有將近19%的醫師是相當排斥，甚至完全不考慮導入人工智慧醫療產品（圖八、圖九）。

圖八 : 預測人工智慧導入醫療時間的醫師比例 （source：日經MEDICAL）

圖九 : 使否會採用人工智慧協助醫療行為的醫師比例 （source：日經MEDICAL）

就意見而言，大多接受人工智慧醫療的醫師都認為，採用人工智慧醫療，可以達到再確認功能而預防人為疏忽，並且可以提供診斷的輔助、預防誤診，以及縮短確診的時間，甚至可以透過人工智慧醫療的力量來補強自己不熟練領域的技術和知識。

當然，並非所有的醫師都是如此正面看待人工智慧醫療的能力。對於醫師而言，最沉重的負擔就是需要背負著「對患者的責任」，因此，最直接被反應的問題就是，當出現誤診時，是哪一方面需要負擔責任？

有些醫師認為，人工機械因為無法擔負責任，所以絕對不可以進行確診的這項工作，最多只能提供醫師進行確診時的參考資料。因為就診斷上，無論是慢性患者，或者是需要進行急救的對象，在醫療行為進行時，存在太多的變化，仍舊需要依賴醫師的經驗不可，這一方面，人工智慧是絕對無法做到的。因此，讓機器人測量一下生命特徵的數據就好，其他方面，還是需要交給有經驗的醫師，並且需要重視醫師多年以來的醫療經驗和能力值。