最近於《自然》期刊發表的一篇論文指出，將電子病歷提供給 AI 深度學習模型，能大幅提高多項醫學預測結果的準確性。該研究分析了兩間美國醫院的資料，顯示 AI 演算法能預測病患的住院長度，甚至還能預測死亡時間。
AI 對醫療的影響
研究中的人工神經網路使用大量數據，例如病患的生命徵象數據和病歷，以進行預測。這種 AI 將每位病患的先前紀錄排列成一個時間軸，加上醫療人員的手寫筆記、評論和隨手在圖表上的註記進行分析，讓深度學習模型預測住院長度、死亡時間等結果。
利用這些預測，醫院可以更有效地判斷治療病患的優先順序，調整治療方式，並在醫療緊急情況發生前事先發現。因為資料不必轉換成標準化、電腦易讀的格式，還能減輕醫護人員的負擔。
AI 在醫療方面已經有許多應用，最近開發的一些演算法能比人類醫師更準確診斷肺癌和心臟病。另一研究中，科學家將視網膜影像提供給 AI 演算法學習，讓 AI 判斷病患是否罹患三種主要的眼疾。
資料隱私爭議
雖然近年有越來越多個人醫療資料被上傳到集中式電腦系統，但大多數的資料庫都是獨立存在，分散在各醫療機構和政府機關。
其中一種解決方法，是將這些個人資料彙集到私人科技公司擁有的單一預測模型，不過這做法將無疑引起爭議。數百萬病患的電子病歷掌握在少數私人公司手中，可能會迅速讓 Google 這樣的公司涉入醫療產業，並成為醫療產業的壟斷者。
近日，英國政府擔心 Alphabet 子公司 DeepMind 可能「行使過度壟斷權」，而對該公司進行審查。DeepMind Health 曾在 2017 年未經病患同意收集資料，而被控違反英國法律。
提高透明度
醫療專業人士已經注意到 AI 對醫學的影響，也注意到應該採取相關措施提高透明度。美國醫學會（American Medical Association）在一項聲明中承認，AI 和人類臨床醫師合作能帶來顯著的好處，但 AI 必須「努力達到幾項關鍵標準，包括透明度、基於醫學標準、不存在偏見」。
雖然美國國會於 1996 年通過《健康保險隱私及責任法案》（Health Insurance Portability and Accountability Act，HIPAA），以保障市民的醫療私隱，然而這二十多年來發展了多項新技術，以至該法案似乎已過時。
如果沒有一個有效的監管框架提高透明度，就幾乎無法讓這些公司承擔責任，以致必須靠私人公司的自律，以確保 AI 技術對醫療服務產生影響，並讓病患受益，並不是只讓公司本身受益。
參考資料：
- Victor Tangermann (June 2018). Google’s AI Can Predict When A Patient Will Die. Futurism
- Alvin Rajkomar, et al. (May 2018). Scalable and accurate deep learning with electronic health records. npj Digital Medicine
- Natasha Lomas (June 2018). UK report warns DeepMind Health could gain ‘excessive monopoly power’. Techcrunch
- Jennifer Bresnick (June 2018). AMA Urges “Thoughtfully Designed” Artificial Intelligence for Healthcare. HealthIT Analytics