香港文匯報訊（記者 曾業俊）創科之路往往要面對將實驗室成果轉化為具體產品或服務的「落地」困難，醫療AI因為牽涉人的生命，轉化應用的條件比一般科技更為嚴格。中山大學附屬第一醫院醫療大數據與人工智能研究中心主任王海波教授表示，AI醫療主要面對兩方面的落地困難，首先在各行業裏應用AI技術作為底層驅動，需要接通業內原本的生態網絡，而醫療生態牽涉的持份者（Stakeholders）特別多，所以到真正落地還需要一段時間和過程去磨合。

AI應用於醫療 信任度較低

第二點是，由於醫療牽涉人的生命，因此醫療科技的容錯性特別低，落地過程中需要非常嚴謹科學地衡量其有效性和風險。而目前AI的運行機理就像「黑盒」一樣，人們仍未能從數學和工程上完全解釋它是如何運作的。他直言：「AI犯錯的時候，我們不知道為什麼；AI做對的時候，我們也不知道為什麼，這種不可解釋性既導致實際應用時的不確定性，也導致人們對AI在醫療上應用的信任度較低。」

急需加強醫療AI臨床研究

王海波指出，要提升AI的可靠和可信程度，可以透過真實世界的醫療數據解決，包括運用成熟的已有臨床研究方法衡量醫療AI對病人帶來的效益和風險。然而，現時全世界對於運用臨床數據來驗證AI這個工具的研究仍遠遠不足，目前在AI的臨床研究之中，只有5%使用了真實世界的病人數據，因此急需加強醫療AI的臨床研究，提供更多更高質量的臨床證據，讓醫療界和公眾更全面準確地掌握AI技術可能對患者帶來的好處和風險。

此外，AI算力、數據共享、病人私隱，以及相應的法律法規等，都是醫療AI落地需要面對的挑戰。王海波認為，無論政策制定者、醫護人員和公眾都更需要加強AI素養（AI literacy），了解這種顛覆性技術的特性、特長和局限，才能在使用過程中保護好病人。社會各界都需要普及AI知識，只有充足的知識養分，才能滋養健全平衡的政策、培育健康高效的生態來配合醫療AI落地應用的發展。