台大醫院院長吳明賢｜台灣龍頭醫院院長：別在島內競爭，要跟世界一流的醫院比

上網搜尋八月剛上任的台大醫院院長吳明賢，每篇報導，都是他找出新的幽門桿菌殺菌法，大幅降低胃癌發生率，登上多本國際頂級醫療期刊的故事。

多數人都知道吳明賢是世界級胃病專家，其實，他對智慧醫療也不陌生。

去年，台灣人工智慧實驗室負責人杜奕瑾擔任「未來城市＠天下」客座總編輯，邀請台大醫院談智慧醫療，時任副院長的吳明賢，就是與談人之一。從健保資料的缺陷、AI如何解決「血汗醫護」，到精準醫療為何「不準」，他都侃侃而談。

「醫療一直在進步，沒有閱讀最新的研究報告、參加最新的研究會議，很快就落伍了，」吳明賢的閱讀心得，寫在隨身筆記本上。採訪這天，他一邊翻筆記本，一邊回答；先歸納兩、三個重點，再依序解釋說明，彷彿在解一道攸關台灣醫療未來的申論題。

智慧醫療是時下研究大熱門，各醫院一有成果就對媒體敲鑼打鼓，醫院龍頭台大卻很少開記者會。過去一年，台大醫院有71件智慧醫療研究案，「電子五哥」也帶著新技術上門，「其他醫院在做的、沒做的，我們都做，」吳明賢說。

那何不宣傳？吳明賢說，台灣最好的醫師、最特殊的病例都在台大，要做出世界級研究並非難事；「每個醫院都做診斷模型，但哪個已經落地應用？」他搖頭。

健保如何給付？科技廠怎麼拆帳？病人隱私有保障嗎？從研究到應用，還有重重關卡要闖。

看來，要推動人工智慧醫療，得先有解決人的問題的智慧。

不只AI　理想的智慧醫院是「AI＋AI＋HI」

未來城市＠天下問（以下簡稱「問」）：你對智慧醫療的想像是什麼？

吳明賢答（以下簡稱「答」）：所謂智慧醫療，不是加上「智慧」就比較好，醫療本質應回歸到「以病人為中心」。

如自動駕駛，目的是輔助駕駛者並減少車禍；同樣的道理，智慧醫療的目的是讓病人得到安全有效的治療，並減輕醫護的負擔。「智慧化」只是一種手段，而不是目的。

因此，智慧醫療不只用到人工智慧，而是「人工智慧（artificial intelligence）＋環境智慧（ambience intelligence）＋人腦智慧（human intelligence）」三者的結合。

人工智慧的開發已相當多，例如自動診斷、影像判讀等模型。它的概念其實不新，心電圖早就能做到立即診斷建議，只需醫師蓋章確認。

「環境智慧」則是新興的觀念。

它利用感應器，如攝影、熱感、動態捕捉、麥克風等裝置，創造更好、更安全的醫療場域。醫學雜誌《自然》（Nature）就有篇評論以此為題：「環境智慧將能照亮醫療照護中的黑暗之處（Illuminating the dark spaces of healthcare with ambient intelligence）」

舉例而言，新冠肺炎的病人需要隔離治療，萬一他在隔離空間意外跌倒，可能沒有人知道。這時候，環境智慧透過感應察覺異常，就可以立即通知醫護人員，醫護人員不需24小時監控病人，也能保護他們的安全。

此外，環境智慧也能協助民眾健康管理、提早發現問題。我們將來要做的，不只有恢復病人的健康，還要把觸角往前伸到疾病預防跟慢性病管理，進一步促進健康。目前，美國正積極利用環境智慧，發展慢性病患者、老人及復健患者的相關應用，將來會是一個很大的市場。

台灣對這個領域的關注較少，但台大持續關注，計畫在一般病房、加護病房、急診、門診等都加上環境智慧。日後，當病人住進加護病房，說不定可以透過感應器提醒適當的翻身時間，不要讓病人臥床太久長褥瘡。

這些需求會越來越急迫，因為醫護人員已經過勞，而慢性病病人卻愈來愈多、愈來愈老。

美國就曾發現，很多死亡或併發症病人，原因都出在醫護人員過勞而疏忽，或做出錯誤判斷。醫護人員不可能24小時在病人身邊觀察他的一舉一動，但機器可以。

回歸到本質，我們為什麼要用這些冷冰冰的機器？就算AI可以診斷、監控，但最後還是要靠醫師的專業來處置。

因此，未來醫院要能成功，一定是人工智慧、環境智慧，再上人腦智慧，才能變成智慧醫院的骨幹，改善病人治療的過程、減少醫護負擔，這才是智慧化的最終目的。

智慧醫療分三種類　服務型最普及、診斷型尚待落地

問：台大醫院目前有哪些智慧醫療應用？

答：我把智慧醫療分成三類：第一個，是面向醫務人員的智慧醫療。

現在的病人資料都已數位化，醫院很容易就能用這些數據建模，協助醫師診斷。

例如，台大醫院腦神經外科與大立光合作，開發醫療專用鏡頭，能精準進行微創手術，避免造成病人很大的後遺症；而與宏碁合作開發的「糖尿病視網膜病變AI輔助診斷」，也取得食藥署核發的眼科「智慧醫材」許可證（TFDA）。

台大檢驗醫學部主任周文堅，則和雲象科技共同研發白血病患者的「骨髓抹片AI自動分類計數系統」。一般而言，骨髓抹片判讀，倚賴人工以顯微鏡分類細胞，費時費工；這個AI可提供細胞自動分類計數的摘要成果，比人工判讀節省50%以上的時間。

另外，內科部暨健康管理中心主治醫師廖偉智則和台灣大學數學系合作，開發出能正確辨識胰臟癌的AI深度學習分類模型，發表在國際知名醫學期刊《The Lancet Digital Health》（刺胳針數位健康），成為全世界第一個胰腺癌自動判讀AI，準確度比影醫部醫師還高。

台大的心血管外科非常強，有很好的心血管中心、全世界最大的葉克膜資料庫，廣達創辦人林百里甚至帶著麻省理工學院的教授來參訪。

第二，是面向患者的智慧服務。

這是最常見的，如預約掛號、訊息提醒、行動支付等，幾乎每個醫院都在做。但台大醫院是全台最早、1983年就門診作業就全面電腦化；當時負責規劃的沈友仁副院長，還因此獲行政院「傑出資訊人才」表揚。

第三，是面向醫院管理的智慧管理。

例如醫院總務室的醫材，種類繁多，光骨科的一個骨釘就好幾種，很難人工管理，就需要數位工具來幫忙。台大醫院在這方面的應用也蠻多的，包括人事資料管理、總務室管理都是透系統，把重要的數據撈進來，讓醫院一級主管可以根據資料做決策。

除此之外，急診處也拿到了科技部「Capstone計畫」，要來改善流程的問題。

急診往往很壅塞，如何讓病人的處置更迅速、安全？在最短的時間內判斷能不能讓病患回家？到院前心跳停止的病人，能不能判斷誰救得回來？哪些人該住進加護病房、哪些要住院？這些問題都可藉由AI找出決策參考。

問：既然這麼多醫院都在發展智慧醫療，台大醫院又有什麼優勢？

答：我認為，一個人工智慧研究要能成功，有四大要素：題目、資料、團隊、運算。

當中最容易解決的就是運算，NVIDIA的圖形處理器（GPU）愈做愈好，花錢買就好。但找到題目、解決真正的需求，一定得是傑出的醫師才做得到；而資料品質，決定了模型的準確度；團隊則決定研究做不做得出來、事後能不能應用。

所以，台大醫院的優勢，就是有最傑出的醫師及最多樣化的病人——最急的、最嚴重的、最罕見的病歷資料，我們都有。

這回歸到智慧醫療最基本的問題：哪一間醫院最會診斷、有最多的個案、有最好的資料，就決定了建模的準確度。智慧醫療最大的挑戰是資料與領域專業知識，這些剛好是台大的優勢。

問：台大跟哪些單位合作發展AI？

答：2019年到2020年，通過研究倫理委員會的計畫總共有71件。其中跟院外合作的有30件、跟台大合作的有15件，院內的26件。

「電子五哥」（鴻海、華碩、廣達、仁寶、宏碁）都跟我們有合作。在環境智慧的應用發展上，則與瑞昱電子合作；他們很早就開發出穿戴式或零接觸感測器，利用「計算機的視覺」偵測人們是否跌倒。

這種合作模式很重要，也是台灣很大的機會。

同時，院方也成立「智慧醫療中心」，採購NVIDIA最新的超級電腦系統，加強運算能力跟儲存空間，並加速醫療資料庫的整合。

我們把近10年的病人資料，包括醫令、報告、住院記錄、急診記錄、影像、檢查等，用院方的層次建立資料庫，目前已整理到2018年的資料。

醫師都很聰明，知道什麼題目重要；只要資料整理好，給他足夠的運算能力跟空間，就能發展出好的成果。

例如剛提到的胰臟癌自動判讀系統，只要擁有足夠的胰臟癌病人資料，就能開發出模型，再拿健保影像資料庫來驗證。加上我們有胰臟癌專家廖偉智、影醫部劉高郎醫師、台大數學系王偉仲教授，開發AI就不那麼難。

技術到位　仍需法規鬆綁、產品商用化

問：與外部單位合作時，通常會遇到哪些問題？

答：台灣過去50年來培養得最好的兩種人才，就是醫療跟ICT。怎麼結合？溝通平台跟橋樑很重要。

因為兩邊使用的語言不大一樣，所以，從起心動念、選擇題目的時候，就要一起開發。不懂醫學的人，無法了解病人或醫護人員真正的需求，容易做出「為AI而AI」的應用。

例如，Apple Watch雖然能測血氧，但若沒有特別目的，用戶也不會每天看，也看不懂。重要的是，知道數據後，應該做什麼處理？這些都需要醫療知識才能推廣，不然就只是個很炫的科技產品，卻不一定有實質幫助。

另外更現實的層面，是合作牽涉的權利與義務。

例如，智慧財產權怎麼區分？產品做出來後怎麼賣？都要事先講好。否則，有些廠商覺得資料「給我就好」，但是醫院收集資料要10多年，怎麼能說給就給？

有時候，科技廠認為我們只是提供資料，但別忘了，四大要素裡資料排第二。假如資料不夠正確、不夠精準，怎麼做？

問：那如何維護資料與病人隱私？

答：我們也擔心廠商拿資料做些我們也不知道的研究，所以跟廠商的合作意向書，都必須經過醫研部專家嚴格審查。

與外部單位合作時，如果對方需要把我們的資料攜出，研究者必須上文，經由研究倫理委員會、台大醫療體系醫療整合委員會、資訊管理委員會、院長等層層關卡同意，才能放行。

在一個數位化社會化的時代，數據就是「未來的石油」；你如果想開採，就需要授權，或付出權利金。但很多人還沒有這個觀念，如果有人透過研究案取得資料，使用卻超出研究所需要的範圍，都是不應該的。

在資料使用上，包括健保資料庫，人權團體對隱私有意見。但我認為他們想錯方向了，我們應該想，「為什麼國外可以將資料釋出？」「為什麼我們也可以使用國外的資料？」只要去識別化，就只是一筆筆的數據資料，跟隱私已經沒有關係了。

國外現在雖有新法律，給予人民退出參與研究的權力，但也會增加醫療流程的複雜性。

未來最珍貴的就是資料，誰擁有最好的資料，就是擁有最好的油田；但「資料如何計價？」是一個待解的問題。

我看過一篇文章，指出「醫療數據商用」有四個困難：標準難、確權難、保護難與價格難。這些困難不是只台灣有，美國、大陸也面臨一樣的問題。

問：醫療AI為什麼那麼難落地應用？

答：為什麼智慧醫療講那麼久，實際應用卻很少？

實際上，醫院用最多的是AI幫忙掛號、付費，這很簡單；可是，哪些真正已經用到病人身上？各醫院都開發出很多模型，都聲稱「正確率達90%」，台大也開發很多，問題是：哪間醫院已將模型落實在日常診斷？幾乎沒有，都還屬於開發階段。

發展AI有兩個問題，一是技術，台灣應該沒有問題；第二是法規。舉例來說，胰臟癌的自動診斷軟體能減少醫師的負擔、提升醫療效率；可是對醫院來說，它無法增加收入，因為健保局不給這些應用，那這些應用該由誰付費？

所以我才說，每個醫院都做很多AI計畫，但也只是「計劃」，距離真正落地，還有很長一段路。

就算要當成產品賣給別人，但現階段就連「要怎麼賣？」都還沒有定論。美國的FDA也批准很多這類型的醫材核可，但也沒有明確的商業模式。

過去，IBM也向台大醫院推銷智慧醫療系統「華生」，但我們拒絕了；一是它很貴，二是它開發時使用的是美國人的數據。

這是AI落地的另一個問題：它往往只適合應用在某一區域，用在不同族群就不準確。

AI還有一個問題，是很難確知運算結果的產生原理。

國外做過一個氣喘的病人的研究，AI得出的結果是：「住到加護病房，病人癒後會比較好」，這很明顯是系統錯誤。住到加護病房一定是較嚴重的病人，可能是加護病房的照顧比較好，使他恢復得比較好。

所以，設計AI除了涉及技術問題，還必須有足夠的專業知識，否則就會得出沒有因果連結的建議。

小國應資源集中　加速國際競爭力

問：你怎麼看台灣現在各醫院在智慧醫療百家爭鳴的情況？

答：如果每間醫院只用自己的資料去做模型，將來會變成很大的問題。

演算法是一個黑盒子，不像醫生診斷能明確說出「為什麼做這個診斷」。如果每間醫院都各行其事、資料又不夠大，結果就是這個AI模型只適用於自己的醫院。

台大是台灣的龍頭醫院，我們看的，是其他世界第一名的醫院在做的事。我常講，台大的教授不是台大教授，是台灣的教授、也是世界的教授。所以大家不要互相競爭，而是兄弟登山、各自努力，跟世界競爭。

台灣雖是小國，但在醫療跟資訊領域是大國；大家不要把眼光放在台灣，開發出來的東西只適合在自己醫院用、只能在台灣用，不是很可惜嗎？

問：你認為政府該出面整合嗎？

答：政府是火車頭，當然要帶頭；但台灣是小國、資源有限，資源應該要更集中。

在英國或荷蘭，重要的科技計劃都是top down（由上而下），他們會邀請知名、有經驗的單位投計劃；但台灣的計劃審查常常是作文比賽，有些人沒有經驗，但很會寫、甚至會抄，而審查的人也無從辨別，反而讓資源分散了。

台大醫院的新計畫都是分成個人計劃、醫院計畫跟院長計畫。資源重點放在亞洲第一的院長計劃，及醫院的重點發展計畫，但仍保留資源給個人計畫，讓年輕醫師有機會嶄露頭角。

疫情推波助瀾　加速5G＋8K遠距醫療發展

當被問到疫情如何改變醫療環境，吳明賢反問我們一則笑話：推動組織數位轉型，誰是關鍵人物？是CEO、CFO還是CTO？

「答案是COVID-19。」他笑著解答。

在這次疫情中，最常被提起的醫療科技就是「零接觸醫療」。「廣義來講，就是減少接觸感染的機會，」吳明賢解釋，不只遠距醫療，環境智慧監控也算在內。

例如，台大雲林分院收治的重症病人，就使用了環境智慧監控；讓醫護人員在無接觸的情況下，能透過感應器跟麥克風掌握病房裡情況，確保病人安全，也降低醫護的風險。

事實上，台大早在2009年便成立遠距醫療中心，是國內最早做遠距醫療的醫院。剛開始是自費會員制，讓出院的病人或海外台商，能透過遠距醫療得到醫師診斷；這次疫情，也讓有醫療需求的居家隔離患者，不用到醫院就能遠距看診。

吳明賢預測，未來，遠距醫療會進化為「5G+8K」——5G，使資料傳輸速度更快，影像不再有延遲；8K則讓影像更清晰，甚至比實際看診更清楚。

例如，救護車可以提前把病人的資料跟影像傳到醫院，到院時就能及時處置；日本則已經將8K影像技術，應用在離島居民的遠距看診，「用8K影像拍攝皮膚病還能放大，搞不好比現場看得更清楚！」吳明賢說。