海納百川》臺灣發展智慧醫療須策略思考（徐作聖）

中央大學、員榮醫院和桃園市榮民服務處2021年11月簽署「AI智慧醫療計劃合作備忘錄」，串連產官學訓4方，爲未來智慧醫療領域培育優秀人才。（蔡依珍攝）

首屆招生的清華、中興和中山大學的公費學士後醫學系，約3%超低的錄取率震驚了社會，在疫情期間醫護人員承受了巨大壓力的當下，學子們仍趨之若鶩的追求醫療專業是個值得關注的社會問題。

臺灣產業結構的主體是高科技、代工製造、外銷，但受限於規模有限且城鄉分配不均，醫療及相關產業由內需爲主。幾年前，科技部「排除一切、獨尊AI」的政策爲臺灣產業造就了一波流的「智慧風潮」，於是許多高科技公司紛紛宣稱計劃跨入「智慧醫療」的行業，學界、研究機構也趁熱加入這場風潮，引發了包括醫療資源外部化、全球化的討論。2021年臺灣生技策略會議BTC召開，提出了多項產業發展策略，包括了醫療健康上中下游的產業。

智慧醫療是全球皆寄予厚望的產業，但從全球轉型案例來看，跨業結合的困難度仍然極高。2021年節節敗退的谷歌醫療爲智慧醫療發展提出了一個重要警訊，動盪三年的谷歌健康（Google Health）全面下架了Streams醫療數據管理App。谷歌2021 Q2季度財報也顯示，包括DeepMind、智慧醫療Verily在內的其他業務依舊虧損。營收爲1.92億美元，虧損爲13.98億美元，虧損較去年同期還有上漲。

2018年穀歌健康正式成立，不但在2021年「撤軍」的臨牀應用Streams，在其他醫療健康領域同樣也遭遇極大的困難。當時，谷歌對醫療AI如此有雄心的不止DeepMind一家，深度學習三巨頭之一Hinton在這一年也說出了那句「名言」：5年內AI可以取代放射科醫生。

智慧技術於生物技術及醫藥領域屬於高複雜性，跨多重領域的基礎與應用學科。從結構分類來看，智慧醫療的基礎在上游的醫材及生醫工程，加上中游的電子病例與臨牀資料，及下游的醫療與健康照顧。事實上，醫療AI的發展離不開龐大數據量的支援，但涉及隱私這道紅線後，使得醫療AI在落實所遭遇到的困難遠比想像中的大。另外，醫療AI對數據的依賴性很高，如果選取的數據集存在偏見，那麼它做出的判斷也會受到巨大的影響。

智慧醫療是工程與科學的結合，但用工程的眼光來論述集科學、哲學、藝術於一身的醫療領域是極其困難的。科學與工程有着截然不同的思維方式，科學講求的是理論與實證 (Positivism)，而工程重視的是工藝及經驗法則（Empiricism）。從科教工程系統STEM與科技本質的角度來看，技術(T)發展到極限必須靠基礎科學(S)創新，但所有STEM四大要素都有本身的生命週期與產業鏈，其互動影響產業創新、認證基準各異，故不能用成熟的工程理論或精密工藝的角度討論以實證主義爲基礎的科學創新，前者爲「匠」，後者爲「師」。

雖然智慧工程屬於應用工程的學科，但基礎科學及醫學理論的支撐必不可缺。特別的是，醫療健康產業「灘淺池深」跨業學習非常關鍵，專業知識門檻很高，非業內人士難窺其究，故智慧醫療領域的經營有「專業化」特定領域導向、「多元化」跨領域上下游整合的兩類不同經營模式，而其取捨就是個重要且複雜的策略選項。

從智慧醫療的領導力來看，醫療智慧(Medical AI) 的重點在AI應用於醫療，也就是以人工智慧爲主體，協助醫療界解決實際的問題；另一方面，如果把這個 產業稱之爲智慧醫療(AI-Medicine)，其重點強調在於醫療行爲爲主、人工智慧爲輔，這就比較更接近現醫療產業的現況。從實經營的案例來看，以AI出發切入智慧醫療的成功案例有限，但從醫療及醫材應用出發導入智慧技術的成功者衆，似乎印證了醫療健康產業「灘淺池深」的現實。

今年以來，陽明與交大合併的磨合爭議不斷，鬧得沸沸揚揚。有人說這是兩大名校各自的本位主義及校風各異的原因，我倒是以爲這是科學/人性思維(陽明) 與工程/製造思維(交大) 之爭。如同人工智慧兩大領域中，人工智慧機械學習AI/ML 是利用演算法 (Algorithm)解析並透過機器學習的結果作出決策，是一個工程優化的程式；而人工智慧深度學習AI/DL是神經網路科學爲基礎的深度學習，是科學實證的落實，各有其應用場景，不可同日而語。

智慧醫療尚在萌芽階段，雖經政府大力推動，但臺灣醫療相關行業仍顯規模太小且研發能量不足。從全球資訊產業跨行投入智慧醫療健康產業來看，試圖主導全域但以資訊產業代工或「微笑曲線」思維行事，忽略行業的高複雜度、市場及企業規模、高門檻專業能力嚴峻挑戰、跨業基礎科技與應用醫學整合等障礙，其投資風險不可謂不低。IBM & Google 等大型資訊廠商投入多年但成果極其有限，如何突破此一限制須要全方位的策略思考。“History repeats itself”，在此可是否得到印證，值得觀察。（作者爲陽明交通大學退休教授）

※以上言論不代表旺中媒體集團立場※