減輕文書工作改善醫患互動 降低錯誤頻率

香港文匯報訊 未來的人工智能（AI）聊天機械人，會否成為電腦上的醫生？醫療健康專家近年探索利用AI技術輔助，成效顯著。美國哈佛大學醫學院今年3月發表報告稱，AI技術在改善醫患互動、減輕文書工作量、深入醫學研究方面，能顯著提高醫生效率、降低錯誤頻率。醫學專家正探索更充分利用AI技術參與醫療決策和醫學研究，相信能緩解醫療保健系統壓力。

《新英格蘭醫學雜誌》新AI計劃主編科哈內稱，他利用一個複雜的個案，測試AI聊天機械人GPT-4解析能力。個案是出生時生殖器性別不明顯的幼童，在常規治療時或難倒不少內分泌學專家。科哈內向GPT-4詢問個案的遺傳病因、後續檢查安排，甚至如何將情況告知幼童父母等，GPT-4的表現相當出色。

分析蛋白質預測潛在功能

哈佛醫學院助理教授羅德曼稱，2023年一項調查顯示，哈佛醫學院約10%醫生擁有使用AI軟件和大語言模型（LLM）的豐富經驗，但多數醫生只接受過基礎訓練，「研究認為，醫生使用AI最好的方式是在自主判斷基礎上，尋求AI的其他建議。醫生們面對複雜的個案可以自行評估『我遺漏了什麼嗎？我還應該問（病人）什麼問題？』AI可以補充人類的思維。」

在哈佛醫學院生物醫學資訊學實驗室，副教授奇特尼克推出一款AI模型Procyon。奇特尼克解釋，現時人類體內約20%的蛋白質，醫學界並不明確其功能，Procyon可利用AI技術，分析與柏金遜症等疾病有關的蛋白質，預測其潛在功能，「AI建立在大量實驗數據和所有科學文獻基礎上訓練，這些資源遠超人類醫學家可閱讀分析的範圍。」

改善病人受藥物副作用影響

馬薩諸塞州立醫院AI與生物資訊學習系統中心主任貝茨還稱，該醫院早前研究發現，約四分之一的病人就診時會受到藥物副作用等影響，AI或有助改變這一點，「AI的潛在好處是令治療更安全，例如針對藥物副作用，它可以提醒醫生，給出更詳盡的用藥建議。」

哈佛醫學院深切治療科副教授塞里認為，現時影響AI準確度的最大問題，是LLM採用的數據存在隱形偏見，多數資料來自發達國家。塞里舉例稱，在糖尿病住院病人中，美國的非英語母語病人因溝通不暢，接受血糖檢查頻率低於英語母語病人，這些數據錄入LLM後，會影響AI的血糖監測頻率建議，「我們參考AI建議時，要關注每名病人的實際情況。」

羅德曼教授認為，AI模型在醫療健康領域雖仍不完美，但帶來了加速醫療進步、改善醫患關係的契機，「作為醫生，我們可以利用AI輔助，但我們要堅持人類醫生的認知和判斷為主導，為快速變化的未來作準備。」