最近閱讀了一些關於「智慧醫療」、「人工智慧」的資料，目的是希望能夠瞭解，這個人工智慧即將來臨的時代，會對醫師產生什麼衝擊。而個別醫師，應該如何做因應？(有人主張放射科醫師可能會最先被人工智慧取代，那精神科呢？)
我看了 強者劉董臉書 AI 討論串 所推薦 IBM 的 CEO Ginni Rometty 在 HINSS (美國醫療信息與管理系統學會) 2017 年會的演講。看了李開復的新書「人工智慧來了」。看了「未來醫療」這本書。聽了黃揚名老師關於「智慧科技 vs. 失智症」的演講。看了一些網路文章。並且和姚侑廷醫師進行小型的讀書會。
簡單的書摘和想法如下：
一、目前出現了哪些改變：
1. IBM 宣稱 Watson 已經做到五件事。
「發現新藥新方向」：找到 ALS 這個疾病的新基因。
「個人化照護」：印度醫院使用 Watson for Oncology 提供更快速的個人化建議。
「精準醫療」：比腫瘤聯合討論會，找到更多精準的可能治療方案。
「慢性病治療」：提前 2-3 小時預測血糖，協助患者自我管理。
「處理高需求個案與弱勢團體的問題」：和多國、多機構合作處理個案問題。
2. 人工智慧應用到醫療照護要有五大條件。必須要有「一系列強大的認知服務」、「提供透明度」、「專屬特定領域 (domain specific)」、「無所不在、可負荷認知工作的雲端服務」、「開放平台促進創新」。(我認為，該領域當中的專家還是很重要的)
3. 「未來醫療」(2015 年初版) 這本書所提到的一些事，在 2017 年 Watson 已經做到。譬如人體數據 GIS 的概念，把所有層次(從分子、基因到器官系統、偵測到的功能數據、環境) 的人體數據全部收集起來，做出個人化醫療決策。
4. 精神醫療，在目前或即將被 AI 改變的是什麼呢？從最近聽到黃揚名老師針對「失智症 vs. 智慧科技」的演講，可以發現大致上分為兩類：「評估」 、「復健」。
「評估」是從平板電腦遊戲、甚至智慧房間(裝滿各種傳感器)得到數據，經過人工智慧的自動分析，來產出評估分數報告、預測病情變化、協助醫療決策等等。「復健」則是從平板電腦遊戲、甚至與 VR 互動、與機器人互動，給予各種回饋促進更多的訓練，在這當中訓練各種認知能力。
5. 網路上有一篇文章，整理了人工智慧應用在精神醫療的五個場景：
日常情緒調節 (偵測表情，提供音樂和影片)
精神疾病預測 (用數據預測產後憂鬱症)
精神疾病診斷治療 (AI 診斷創傷後壓力症候群，並進行心理治療，令人感覺羞恥的話題可能更願意對 AI 坦露)
精神疾病的監控 (診斷前後的症狀追蹤)
神經疾病的預測 (人工智慧加上醫學影像，預測阿茲海默症發病)
二、精神科醫師該做什麼？
1. 李開復先生的書中主張：
AI 還做不到的事包括：跨領域推理、抽象能力、知其所以然的能力 (但 IBM 似乎宣稱 Watson 可以)、常識、自我意識、情感的能力。
AI 時代個人的學習應該要：主動挑戰極限、從做中學、發揮創造力、獨立解決問題、互動學習、向機器學習、人機協作、追求自己的興趣。
2. 未來醫療一書當中，預測 AI 會促進以病人為主體的醫療模式。譬如醫院可能會消失，每個人是在「智慧臥房」當中，繼續個人化的生活，掌握他身心的所有數據，接受他所想要的個人化醫療。
3. 這在精神科會有比較特別的場景。因為所謂的「無病識感」現象，當人工智慧透過手機顯示「目前為躁症狀態，建議接受某些治療」時，人們可能會認為機器判斷錯誤，而完全不採納機器的建議。另外，當人們更全面掌握自身所有數據時，對於精神藥物，可能會在心理放大對於副作用的擔憂，也許會更加排斥藥物。
4. 綜合以上的感想。
IBM CEO 的演講當中提到「洞見」。人類原本可能很難從影像得到足夠的資訊、很難整合那麼多層次的資料；在人工智慧的協助之下，產生洞見背後所需要的「基礎工程」可能更容易被克服，或是先有某種洞見的靈感，再經由人工智慧的協助來證實。
精神醫學，其實涵蓋很多面向，例如在綜合醫院當中和其他科別合作的照會精神醫學，還有藥酒癮治療、自殺防治、性侵防治等等所謂社會安全網的內容。然而因為醫師人力已經貢獻到許多主要業務當中，對這些領域，醫院的精神科醫師無力去負擔，而政府經費的安排，似乎誘因不足以讓基層診所的精神科醫師有興趣去爭取。
或許，人工智慧在未來會擔負起基礎的篩檢和追蹤工作吧。但重點是，不要讓機器取代醫師，而是讓機器擔任助手做相對基礎、重複的工作；同時醫師本身要努力提升自己，堅守那些機器辦不到的任務、機器創造不了的價值。
精神科醫師，在機器完成它的工作之後，要從最重要的「醫病關係」這個基礎出發，去安撫患者所有對於冷冰冰數據的擔憂、用更白話的方式讓患者理解這些數據和建議、進而真正喚起病患的改變和行動。情感、關係、真誠的關懷與同理，這些應該是人工智慧短期之內還無法取代人類的。
精神科醫師個人，可以積極追蹤這些新科技的議題，有機會就去使用，並且收集患者對這些新科技的感想回饋，把這些科技當做多一個助手，來納入平常治療計劃的藍圖當中。
這樣未來當「人類醫師」與「人工智慧」更緊密的「人機協作」情境來臨時，我們就能夠做得更好，去擔任高層次整合治療計劃的決策者，而不是只會執行片段化、簡單的醫療決策，然後被人工智慧取代。
# # #
PS. IBM CEO Ginni Rometty 這場演講講稿，仔細看完也大致翻譯完，就放在下面。
https://www.ibm.com/ibm/ginni/02_20_2017.html
今天早上來到這裡是我的榮幸。
今天的講題對 IBM 很重要，對我來說是很個人的議題。你看到一些我的背景資料。在我演講結束時，希望你們能理解這對我來說有多特別。
5 年前我成為 CEO 時，那是很棒的時刻，我們在「Jeopardy！」這個遊戲節目當中，介紹了 Watson 這個認知學習系統。當時，我宣稱 IBM 下一個登月計劃(moonshot)，就是在醫療這個領域。Watson 系統在「Jeopardy！」這個遊戲節目中獲獎之後，我們決定，在真實世界當中第一個要挑戰的，將會是我們想像中最困難的領域：癌症。我不會自大地相信我們可以改變整個醫療行業，但我們可以改變一小部份，成為解決方案的一部份。因為擁有許多朋友、合作夥伴、還有在座的各位，我認為時候到了。
2年前，在HIMSS大會中，我們的登月計劃又邁出一大步。我們宣佈和 Medtronic、Apple、Johnson & Johnson 合作，推出 Watson health。現在有 7000 多人的規模。
今日，我們處於一個特殊的時刻。我們做為一個企業，需要共同合作，走上進步的路線。歷史性的社會和政治變革正在進行當中，它們可能會影響醫療保健。政府和監管機構的角色(允許兼併，改變「Affordable Care Act」)等等，是許多人關心的議題。
這些都是重要的議題，但它們不是今日醫療照護最重要的事。我們深切期望，我們可以改變醫療當中的許多部份。我們可以重塑專家是如何進行研究、給予診斷、提供治療和監測患者。我們可以從根本上改變對於個人化醫療、隱私性、流行病學、以及醫學和健康本身的理解。
這對大家都是最好的消息：我認為，不管是做為供應者、醫師、研究者、病患、市民，我們都可以成為一個團隊，我們有力量，去讓我們的行業、讓世界變得更好。
我所談的是 IBM 所說的「認知時代(Cognitive Era)」。這個時代正在眼前展開。我想要解釋一下這個時代的意義，我們必須做什麼事，來確保這個時代是以正確的方式來協助醫療照護領域。
我希望說服你三件事。
一、認知的健康照護 (cognitive healthcare)：以及可自我學習的系統，這樣的概念。這是真實的、已經存在的東西。它已進入生活和照顧的主流領域。
二、規模化 (scale)：未來一到兩年內，人工智慧專家會做出兩到三個架構上的重大決策。這會影響到世界上的所有行業，尤其是可能會影響接下來 20 年的醫療業。
三、認知時代 (Cognitive Era) 會造就黃金時代 (Golden age)：如果明智地去塑造它，可能會帶來商業和社會的黃金時代。
一、認知的健康照護(人工智慧)：這已經進入主流、真實存在，而且進入生活和照護的主流領域。它會上雲端。它也已經改變了我們面對健康狀況的方式。
大家都在把東西數位化。但競爭優勢將來自「認知」，也就是「可以學習大量數據的系統」。各個領域都在競爭發展人工智慧，出現圈地潮 (land rush)，但並非所有人工智慧都相同。這不是關於消費者應用程序(在家中回答問題的設備)，也不是關於搜尋引擎前面的語音，這是關於「增加智慧」。是有關金融服務、零售業、能源、交通運輸、教育、以及健康照護領域的嚴肅應用。
五個課題。關於如何把人工智慧應用到健康照護上面，我們已經學習到的事。那些成功應用的認知服務，只想到人工智慧、自然語言是不夠的。你需要遠見、需要深度學習、需要更多演算法。它必須要：
1. 提供一系列強大的認知服務：從機器視覺，到自然語言處理，以及深度學習。
2. 提供透明度：因此醫生、病患、研究者和其他決策者，可以去查看資料數據來源以及訓練方法，因而對認知系統所產出的建議和洞見有信心。因為這是一個充滿專業人員的行業。
3. 為了你的行業設計，由你這一行的專家來設計：它必須是「專屬特定領域(domain specific)」的。健康照護並非零售業或銀行業，它有獨特的動力、詞彙、資訊、專業，以及從管制到競爭的要求。
4. 它必須是在雲端平台上，無所不在，並且能夠處理認知工作的負荷，具有企業級的可靠性與安全性。它必須是為了大數據、安全性而建立的雲服務，具有混合架構以便能跨越廣大的健康照護領域來做連結。為了建立這個廣大的生態系，你必須把醫學中心到社區醫院的人們都連結起來。
5. 最後，它必須是一個開放的平台。因為這是一個關於創新的行業，創新不是來自個人，而是來自人們組成的生態系。
如果告訴你這是 Watson and Cloud platform 的基礎，你不會覺得驚訝；這也是為什麼，它已經成為商業以及健康照護的人工智慧平台。Watson 解決方案已經建立並使用於超過 45 個國家、20 間公司。Watson 被訓練用於九種語言。而且在年底即將觸及十億個消費者。
我說這是世界的主流。雖然有別的解決方案，但讓我們以 Watson 為例，來思考「認知」的健康照護世界會是什麼樣子。我們來談談五個已經成熟到可以做出改變的方向：
1. 發現新藥和解決方案：
在 Watson 幫助下，亞利桑那州鳳凰城的 Barrow Neurological Institute 在 ALS 研究方面取得突破性進展，發現五個和 ALS 相關的基因。Watson 從 1-1500 個可能影響 ALS 的基礎當中做出基於證據的預測，而 10 個預測當中發現有 8 個真的會影響疾病。重點是，這些基於證據的預測，都有闡明「為什麼」。
2. 個人化照護：
個人化照護是一個挑戰，這是全世界醫師的一個不足之處，特別是在癌症照護的領域。
談到腫瘤醫學。在 2012 年，有 1400 萬件新病例，估計在未來 20 年將增加到 2200 萬。其中 70% 出現在開發中國家，在印度、中國、東南亞根本沒有足夠的腫瘤學家。舉例來說，在印度，1600 名病患只有 1 位醫生。而現在，泰國、印度、芬蘭、中國、美國的醫院，正在使用 Watson for Oncology 來對病患做個人化照護。
舉例來說，印度的 Manipal Hospitals，這是一間大型私人連鎖醫院，在 2015 年底使用了 Watson for Oncology，來幫助腫瘤學家為每年 20 萬名病人找出更好的治療方案。效度研究，比較了「有 vs. 沒有 Watson」時獲取與分析數據以產生建議所花費的時間。結果顯示，手動作業平均要花 12 到 20 分鐘，而 Watson 只需要 20 秒就能完成。
下個月開始，佛州的 Jupiter Medical Center 將會使用 Watson 的癌症洞見，在繁忙的社區腫瘤科臨床情境中，協助將病人配對到最有效的個人化治療。
3. 精準醫療：
精準醫療，是癌症診斷、治療、處置的創新方法；它會考慮到病患的基因、家族史、環境和其他因子。當我說精準醫療時，我想的是基因組學、環境、以及我們的生活方式(還有運動監測手環)。
在北卡大學的 Lineberger Comprehensive Cancer Center，Ned Sharpless 醫師用 Watson for Genomics 來分析超過 1000 個病例。在這些最困難的個案當中，並沒有照顧標準。而 Watson 找出的潛在療法，每次都和腫瘤聯合討論會找到的療法相同。更重要的是，在將近 300 名患者中， Watson 找到了人類並未發現的洞見。因此，有三分之一的病人，會獲得更多的潛在治療選項。
我們正在把這些工作拓展到基因組學，並且帶到社區當中。2016 年，我們推出了 IBM Watson Genomics from Quest Diagnostics，這是 Watson 所支持的精準癌症醫療，讓美國任何患者都可以透過醫師獲得「認知的基因組分析」。此外，我們也和 Illumina 合作，把 Watson Genomics 整合到他們的腫瘤定序過程當中。目標是？把基因組資料解讀的獲取通路擴大，並且幫助標準化、簡化基因組資料的解讀。
為了把 Watson 帶領到「以病人為中心照護」的前沿領域，今天我們宣佈 IBM Watson Health 和麻州 Atrius Health 合作(這是以「基於價值的照護」聞名的領導機構)。我們將開發以雲計算為基礎的產品，從電子病歷系統當中，提供醫師關於病患健康狀況、照護計劃的「認知洞見」，幫助讓每一個健康決策，都能個人化。
精準醫療，正開始活躍。
4. 慢性病治療：
去年九月，Medtronic 展出了 Medtronic Sugar.IQ with Watson 這個 App，這是 Watson 的第一款「認知 App」，設計用來幫助病人更容易、更有效地管理每日糖尿病狀況。這個 App 揭露了重要的模式和趨勢，即時地顯示出行為如何影響血糖變化。早期研究顯示，這個技巧可以提前 2-3 小時預測血糖，達到 85%-89% 的準確度，這是過去從未達到的。
5. 處理高需求個案、弱勢團體的問題：
這個領域需要許多協助。IBM 正和 18 個國家、50 個健康與人力服務機構合作；在美國，則在 38 個州、和每個聯邦政府都有合作。我們分析了 Medicaid 所有受益人當中 44% 的數據。
橫跨這些領域來提供協助，這樣的想法對我來說是一個新天地。它已經準備好要發生，它會是主流，它已經在這裡了。
二、未來 18 個月，關鍵的決策會影響到所有行業，或許對醫療的影響最大。
我們所有人，做為專業人士，在某種程度上，是處於醫療和信息技術的交會點。在座諸位，會對三項關鍵決策產生重大影響，而這些決策會用來確保規模化、安全性、可靠性以及隱私性。這些決策都是在處理三個關鍵平台：雲端、資料數據以及人工智慧。我們來談這每一項。Q & A 時間，希望能談談如何不採用這種作法的缺點。
雲端
第一個要做的決策是關於雲端。你需要一個可以對所有這些認知資料最佳化的雲端，混合型(hybrid)，並且要安全。企業和機構需要混合型雲端架構，這是一個現實。雲端必須對資料和人工智慧做最佳化。必須建立在高度安全的基礎上，它必須是。
這就是為什麼我們建立了目前這樣的 IBM Cloud。所有我舉的例子都是有可能的，因為這些解決方案都建立在 IBM Cloud 上面，其運行能力、存儲和權限都得到驗證。It is the industry’s only GxP, HIPAA–enabled cloud built within a Quality Management System. 它已經準備好可以用在醫療上。
區塊鍊對信任交易所做的貢獻，就如同網際網路對資訊所做的貢獻一樣。它創建了一個共享的帳本，可以安全地轉移任何資產。事實上，我們最近宣佈 FDA 和 IBM Watson Health 合作，去研究腫瘤學當中的巨塊鍊技術，EHR to PGHD，來提供對病患的完整視圖。希望 Q & A 時間可以討論區塊鍊。
你會在雲端平台上、對這些屬性做出決策。
資料數據
下一步，你會對你的資料數據做出重大決策。我們已經談論關於改變數據架構談了很久了。但是現在這很重要，因為我們必須把這麼多不同的數據(包括結構化、非結構化)集合起來，創造出我剛才描述的世界。
考量那些非結構化的數據。據估計，影像佔了今日醫療數據的 90%。醫師很難從影像當中收集到重要的信息，但是這可以做到。
你必須保持控制好這些數據和洞見，這些是你最具有差異化的資產。80% 的數據，在網路上是找不到的，想想看，這就是最大的洞見存在的地方，而這些屬於你。擁有數據平台，讓你可以把這些資訊和洞見結合起來，這件事正成為一個重要的議題。
這也是為什麼我們用這樣的方式來創建 Watson Health platform。我們已經擁有大量的數據，有 3 億筆醫療記錄、300 億的影像、4 千萬的 PubMed 和其他的研究摘要，以及每一項專利。
所有這些，你可以有二次使用權限來整合這些數據，而獲得的洞見就是屬於你的。你將會在數據結構平台上面做出決策。
人工智慧
最後，你必須在認知平台上，對人工智慧做出決策。為了從數據當中萃取深層價值，你需要找到一個可以提供一系列服務、整合各種技術 (如：深度學習、機器學習、神經語言處理、病患相似性、專門針對醫療的其他認知技術) 的平台。
你必須提供透明度，讓你的使用者與決策者可以看到資料數據來源、以及訓練方法，這樣才能對認知系統提出的建議與洞見有信心。你和你的醫師，會想要瞭解這些系統如何訓練、如何得到答案。
Watson 已經接受來自 Memorial Sloan Kettering、Cleveland Clinic、Mayo Clinic 等等機構，全世界最棒的研究者、醫師、教育工作者、政策領導人的訓練。它已經吸收了醫學文獻的世界。它閱讀、學習，接受專家的更正。它經過反覆的訓練、測試。Watson 並不是一個黑盒子，只吐出一個答案。它會呈現出答案如何得出、為什麼如此。Watson 會呈現給醫師看這些建議之根據，以及它的信心程度。
這些都是我在認知平台上尋求的東西。各位可以思考一下認知平台，你能用它做些什麼。
今天，我們很高興宣佈健康照護生態系統的新措施，它可以解開數據孤島當中的洞見，並且可以規模化來幫助社區。The Central New York Care Collaborative 會使用認知系統，來創造出全國第一個人口健康平台，連結整個區域 當中在 Medicaid 底下服務市民的 1500 多個照顧者。它會整合基層、行為、社區、急性等醫療場所的資料，讓醫師可以提供更高品質、個人化的醫療照護，同時降低 Medicaid 的成本。
各位可以思考一下認知平台，你能用它做些什麼。
三、最後，認知時代，如果你聰明地塑造它，就可能會創造出一個商業和社會的黃金時代。在這裡，醫療可以成為領導者。
我所描述的這個世界，正在變化的尖端，你所做出的決定，將產生巨大的影響。正如我所說的，我的最後一個觀點是，這可以成為一個黃金時代。每一個技術新時代，都會引發驚人的、有抱負的許多夢想，它這也帶來一些疑問。
這是我在一月時回到 Davos 的世界經濟論壇年會的原因之一。IBM 幾十年沒有出席。我今年回到會議上，因為有許多關於人工智慧的討論。這對世界是好是壞？它的影響是什麼，特別是對於人們就業的影響？我覺得很有信心來回答這類的問題，因為所有對這議題有影響力的我們，都必須嚴肅看待它。當新的時代來臨(這並不常發生)，我們有責任，以有倫理、持久的方式，把技術帶給這個世界。
我比較喜歡說，IBM 只有 105 歲，並不老。我覺得我們有幸和你們一起工作，來解決某些世界上最棘手的問題。這些工作從準分子雷射手術技術到 DNA 電晶體，從美國社會安全系統到讓人登上月球。我們稱之為「登月」，就好像我們真的把人送上月球一樣。
因此，我想給你看一段短視頻應該會有點樂趣。你們有多少人看過新上映的電影「Hidden Figures」？我不是製作人，也不是因為個人原因而做倡議。這片段是關於 NASA 的太空計劃的黎明。
這是一部很棒的電影，我有點偏見。IBM 參與了歷史上每一個美國的載人航天行動。當我們說我們相信「登月」，我是真心相信！我們知道要達成這種目標，需要的不只是技術，還需要價值。
因此現在，讓我回到關於 Davos 的話題。上個月我們做了一些十年沒有做的事情。我們給整個 IBM 社群寄了一封信，叫做 Transparency and Trust in the Cognitive Era。
我最後的結尾想要談的是關於黃金時代的想法 (如果我們正確引導它)。希望你們遵守這些原則，我會去確保 IBM 做到這些原則。這存在於我們所建立的每件事、我們做的每件事、以及我們為世界帶來的技術當中。
1. 目的：
不要誤會。我們相信人工智慧的目的是增進人的智慧、人的工作，而不是取代人類。我們在這裡是要增進人的工作。是人和機器一起工作。我們是在建立一個「助手」或是同事，來協助醫師、護理師、放射科醫師、IT 安全專家等等。這是關於增進智慧，而不是關於恐懼。每件事，我們都是以這種方式來構建。2. 透明：
我們會清楚呈現給你和我們的客戶，人工智慧是何時何地拿來應用，呈現出所依據的資料數據和訓練過程(最後產出建議)，呈現出商業模式。不要相信那種所有洞見和知識產權都只屬於一個人的世界。這是一個我們會帶來洞見、你也會帶來洞見的世界，訓練的演算法可壞幫助你。這是一個透明的世界。3. 技能：
據我所知，隨著每個新時代，會帶來一系列新工作。有些工作會改變，有些是新的工作。因此，我們所有人都有義務去訓練新時代所需要的技能。事實上，我們創造了一個新詞「新領(new collar)」。它不是藍領、不是白領。它是一個未來的工作，是把資料數據和技術帶到任何事情上的工作。當我們的孩子從學校畢業，就要讓他們準備，重新訓練這個世界所需要的東西。這就是我們的三個信條：目的、透明、技能。
結論：
我從一開始的議題來做總結。我今天實在太高興了。這是我會永遠記得的歷史時刻。
這是一個，力量會產生作用的世界，有些力量我們可以控制、而有些不行。如果我來做一個建議，那會是：不要只是「試探」而已。現在，是讓我們在認知平台上建構未來的時刻了。我們可以創造出一個更健康的世界，更安全、浪費更少、生產力更高、更加個人化的世界。最終，這個世界會更公平、更多樣化、更公正。我相信這會是一個我們都想要在其中生活的世界。
