AI時代下醫學的挑戰、機遇與未來反思-張清貿科主任

最近閱讀了Fogo等人2024年2月在JAMA發表的文章《AI's Threat to the Medical Profession》 (Fogo AB, Kronbichler A, Bajema IM. AI's Threat to the Medical Profession. JAMA. 2024 Feb 13;331(6):471-472. doi: 10.1001/jama.2024.0018. PMID: 38241042.)，這篇文章讓我感觸良多。作者以腎臟病理學為例，探討了AI在提升效率與一致性方面的潛能，但也提出了AI技術快速滲透所可能帶來的深層隱憂。這些討論不僅為現代醫學提供了警示，也為中醫未來的發展帶來了啟示。

AI的光與影

這篇文章讓我印象深刻的一點，是它深刻描繪了AI技術的兩面性。一方面，AI的效率與精準無疑令人讚嘆。它能在短時間內完成病理學家可能需要數月才能完成的標註工作，甚至發現那些人類專家未曾注意到的組織模式。這些能力為醫學研究帶來了前所未有的可能性，就像是一束新光，照亮了我們未曾探索的領域。

文章指出，AI技術在醫學應用中的多項優勢，尤其是在腎臟病理學中表現突出：

1.        效率提升：AI能快速處理大量病理切片資料，大幅縮短診斷所需的時間。例如，傳統病理學家可能需要數月才能完成的數據標註，AI可以在幾小時內完成，這樣的速度為醫學研究和臨床應用帶來前所未有的效率。

2.        一致性與準確性：病理診斷中常見觀察者間差異，而AI能提供穩定且一致的診斷結果，減少因人為判斷差異造成的錯誤。

3.        開放性工具：隨著技術發展，許多AI驅動的病理分析工具已逐漸普及，即使是非專業人士也能使用，縮短醫療資源分配的不平等。

4.        突破性發現：AI能夠辨識人類專家未曾注意到的組織模式，為疾病機制研究提供新的假設，甚至開創出全新的研究方向。

這些優勢就像一道光芒，為醫學進步開闢了新的道路，帶來了無數可能性。AI不僅幫助醫學界突破了效率和準確性的瓶頸，也為醫學研究提供了全新的視角和方法。例如，通過 AI的數據挖掘與分析，研究者能夠更快地發現疾病的潛在病理特徵，為精準醫療和個性化治療奠定基礎。同時，AI技術的普及也提高了醫療資源的可及性，讓偏遠地區的患者能夠獲得更高水準的診斷與治療服務。

AI的隱憂與代價-「輸入-輸出」模式的危機

另一個讓我反覆思考的觀點是，AI的診斷模式越來越像一個「輸入-輸出」(Input-Output)的黑盒子。病理切片進入，臨床相關數據輸出，而這其中的病理機制卻變成了模糊的過程。這種發展固然能短期提高效率，但如果我們無法理解AI所呈現的新結構，這些結果又能帶來什麼樣的創新醫學意義？

Fogo 等人警告，AI技術的快速發展同時也帶來了許多深層次的危機，尤其是在病理學這樣的核心專業領域：

1.        技能退化的風險：隨著AI開始接管基礎診斷任務，病理學家可能逐漸失去對基本組織學的感知與判斷能力。文章中提到：「當基本要素從病理學家的視野中消失，腎臟的基本架構智慧也會隨之減少。」這不僅僅是技術的退化，更是專業智慧的流失。

2.        知識的片面化：AI將診斷過程簡化為「輸入-輸出」模式，將深層的病理機制隱藏在「黑盒子」中，可能導致醫學知識的碎片化。當我們僅僅依賴結果，而不理解背後的機制時，醫學研究的進步將會陷入停滯。

3.        依賴的危機：AI的「黑盒子」特性讓醫生難以解釋其診斷邏輯，當輸出的結構缺乏傳統醫學意義時，可能無法有效指導治療策略，甚至可能延誤病情。

4.        醫學專業的自主性流失：過度依賴技術，可能導致醫師在診斷與決策中的作用逐漸被邊緣化，最終醫學專業可能淪為技術的附庸。

5.        無法實現醫學經驗的傳承：醫學的發展依賴於專業經驗的傳承，而這往往是通過師徒制或臨床實踐的積累來完成的。AI的應用則更傾向於標準化與數據化，缺乏對人類經驗與直覺的保留。當醫師逐漸依賴AI進行診斷，醫學經驗的傳承將面臨斷層，未來的醫師可能難以從前輩醫師的實踐中學到關鍵的診療智慧與細節。這種挑戰不僅對醫學教育帶來影響，也可能對醫學發展的深度與延續性產生潛在的制約。

當 AI開始接管病理學中的基礎診斷，病理學家逐漸遠離基本的組織學要素，這不僅僅是技能的退化，更是一種「感知覺察」的流失。作者提醒我們，「當基本要素從病理學家的視野中消失，腎臟的基本架構智慧也會隨之減少」，這句話像是一個警鐘，提醒我們在追求效率的同時，不要忽略專業的根本。當我們過度依賴 AI技術，可能無意中放大了診斷過程中的細微差異，從而影響對疾病深層機制的理解，最終使醫學研究停滯不前。

然而，AI的發展並非毫無代價，這些潛能的背後隱藏著一系列值得深思的挑戰。當我們追求高效與一致性的同時，是否會忽略對診斷過程中微小差異的理解？當 AI接管基礎診斷工作，是否可能導致醫師技能的退化，甚至使醫師逐漸失去對診斷邏輯的掌控？更進一步，AI的「黑盒子」特性是否會讓醫師在臨床決策中變得越來越依賴機器，無法有效解釋背後的診斷邏輯？這些問題不僅關乎醫學研究的未來，也對醫學教育和專業發展提出了新的挑戰。

此外，AI的應用還可能引發一系列倫理和法律層面的問題。例如，當 AI診斷錯誤時，該由誰負責？患者隱私如何保護？技術是否會加劇醫療資源的分配不均，甚至加劇醫療行業的兩極化？這些問題讓我們不得不重新審視 AI與醫學專業之間的關係，思考如何在技術創新與專業價值之間找到平衡，確保 AI的發展能真正造福患者，而不會削弱醫學的核心價值與人文精神。在這個過程中，如何在保持專業敏感度的同時，讓 AI成為一個有效的輔助工具，將是未來醫學界必須面對的重要課題。

作者提出了一個耐人尋味的問題：如果我們未能深入理解這些結構背後的邏輯，醫學進步可能會面臨一種「知其然，卻不知其所以然」的挑戰。在這樣的情況下，疾病的治療策略可能難以達到最佳效果，醫學研究的進展或許也會因此受到一定的限制。

從中醫角度的反思

AI的發展正深刻改變醫學的面貌，這樣的趨勢在中醫學領域同樣引發了重要的啟示與挑戰。近年來，中醫界開始利用AI技術進行舌象分析、脈象診斷和證型辨識等工作。這些技術透過高效的圖像分析與數據處理能力，為中醫診斷帶來了極大的便利。然而，我們需要深入思考，這些技術是否可能改變中醫的核心價值？特別是AI的廣泛應用是否會在某些方面削弱中醫師的專業能力與辨證智慧？

1.     技能退化的風險：