AI輔助醫療 減人為失誤（車品覺）
本文作者車品覺，為港交所獨立非執行董事、香港基因組中心董事、香港大學中國商業學院客座副教授，為《信報》撰寫專欄「全民大數據」。
試想像一下，如果醫療文檔不再純粹是冰冷的檔案，而是能主動發出預警、優化流程的智能夥伴，而人工智能（AI）正把這願景變為現實。在傳統醫療體系中，記錄文檔十分重要，但卻是一項繁重的行政工作，因醫護人員需要花費大量的時間填寫冗長電子病歷。然而，AI正在改變這一局面，讓靜態的醫療病史變成動態的數據流，可以實時檢測風險、優化流程，並連接臨床與創新的機遇。
醫療文檔就像一本記賬簿，只是記錄過去曾發生的事情。AI能夠讓這些數據與其他數據關聯起來，用現在流行的說法，就是上下文的對接。因此AI可以將病者的醫療歷史、用藥紀錄、化驗結果，甚至把環境因素（例如地區性的傳染病）結合起來，生成全面的醫療護理建議。例如，系統可能在醫生閱讀病人紀錄時發出提示：「病人的糖尿病歷史紀錄不全，而且近期血糖波動異常，請優先重新評估。」從更廣的層面看，AI可通過分析大量病歷數據，識別潛在的社區風險，例如可以發現哪些患者術後感染的風險更高，從而採取預防措施。
筆者作為大數據專家，其實更關注的是，AI可以從源頭提高數據質量，幫助修正不完整或存在衝突的醫療文檔，避免事後導致診斷錯誤或治療失誤。如果手術後必須處方抗生素，但紀錄中沒有開出，AI會立即提醒醫生補發，避免傷口感染；或者當影像報告和診斷描述不一致時，AI會標示問題，提醒人工複核，這些「預示功能」可大幅降低人為失誤。
雖然AI功能強大，但其定位應屬輔助工具，而非主導者。過度依賴AI可能會導致醫生臨床判斷技能被削弱。AI核心角色應該是「副駕駛」，而最終的決策仍須由醫生判斷。目前機器學習所需的大量數據，礙於種族、性別等各種複雜因素，數據的搜集其實也存在局限性，例如有些美洲的病例並非適合亞洲人。因此，AI並不能完全取代醫護，而且他們必須透過溝通等方式關懷病人及家屬，平緩病患的情緒，這一切都是機器無法做到的。
未來的醫療體系，將依賴兩種能力：AI對數據的實時分析能力，以及醫生對患者情景的判斷能力。唯有兩者結合，才能實現真正的護理優化。
（編者按：車品覺著作《覺悟．大數據》現已發售）
歡迎訂購：實體書、電子書
更多車品覺文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
