隨著人工智能(AI)技術的精進，如今要訂一份外賣、規(guī)劃一趟旅程或僅是要解鎖手機，都已可透過與AI的互動來進行。有許多人說AI可望帶來如發(fā)現電力一般的革命性改變。

其中，面臨諸多重大挑戰(zhàn)的醫(yī)療保健，如持續(xù)成長且老齡化的人口，被視為最需要引入革命性技術的領域。但盡管AI可望為醫(yī)療領域帶來許多正面發(fā)展，但迄今仍未見實現，也沒有太多跡象證明該技術可帶來實質影響。

在眾多AI具有價值的功能中，包括了在大量數據中找到復雜有價值的信息。例如在AI應用中輸入數百萬張X光圖并經過學習后，AI可在瞬間查出哪里張有不尋常狀況；或是訓練一臺機器能夠偵測到病患惡化的細微征兆，以達到目前由人類進行的自動化監(jiān)測。

單一的AI系統(tǒng)便可同時服務廣泛的病患，在節(jié)省成本方面將有很大貢獻。而除了縮減成本外，預期AI也將大幅改善護理質量和一致性。舉例來說，被稱為深度神經網絡的AI系統(tǒng)，在辨識初期失明癥狀或區(qū)分癌性和非癌性皮膚痣等領域，已展示出比人類醫(yī)生更高的效率。

AI技術也可大幅改善病患的醫(yī)療體驗。透過AI應用也可協(xié)助醫(yī)師日常的行政事務，讓醫(yī)生能夠有更多與病患互動的時間，提供更良好的服務質量。相較于診治一群同樣癥狀的病患，采用AI技術的醫(yī)師可基于病患電子病歷、智能型手機、穿戴式裝置等或甚至病患的基因數據分析，來擬定更更個性化的療程。

鑒于上述包括節(jié)省成本、提升醫(yī)療質量及病患體驗等優(yōu)點，很難想象為何迄今AI技術在臨床使用上仍寥寥無幾。出現這樣的落差主要有幾大因素可探討。

首先，是來自隱私及數據安全方面的明顯阻礙。鑒于AI在醫(yī)療領域的發(fā)展主要透過包括醫(yī)療機構、學術機構及商業(yè)等多方合作，因此要確保所有數據都是匿名、以安全方式儲取并合法分享，有一定的困難。

其次，在醫(yī)療領域有所謂的新興「數碼隔閡」，即相對身體較健康的年輕一代更有可能使用新科技技術，反觀身體狀況較多的老年人則較不會或無法完全利用這些新技術。這也意謂著如AI等新技術影響力在一定程度上被限制了，同時也在部分人口難以取得更大的進展。

一個可行的解決方案是透過支持年長者或其照護者經常性的參與數碼醫(yī)療，也可對AI技術進行重新設計，以更直接、便利的操作方式來取代復雜的選項接口，例如透過智能語音助理功能來直接對話，讓科技來迎合使用者，而不是讓使用者去遷就科技。

再者，還有一個阻礙是來自于醫(yī)療領域對采用新科技技術普遍的惰性。目前仍有許多醫(yī)療院所是透過紙筆來進行資料登錄，如此一來將能以與其它醫(yī)療院所有效的互用、互通。這也使得要搜集充裕的數據來訓練AI變得更困難。

與此同時，如今有越來越多民眾對人工智能及大數據(big data)等新科技采保留態(tài)度，尤其是在出現多起自駕車意外后，讓人們對這些技術感到憂心。

在普遍持負面觀感的情況下，越來越難取得病患同意或說服醫(yī)療專家參與相關臨床實驗，而這對新醫(yī)療技術發(fā)展是不利的。因此，如何改變人們觀感、說服專家們AI在醫(yī)療領域的價值與其它領域大大不同，仍需要醫(yī)界更多的努力。

最后，也是爭議最大的阻礙是，一旦AI診斷或判斷錯誤時，該由誰來負責？這個問題迄今仍沒有明確的界定。AI技術的一大問題在于系統(tǒng)是相當復雜的，在得到判斷或提出建議時，往往沒有明確的邏輯步驟依據。

在無法明確知道系統(tǒng)是如何做出決策時，將很難究責或甚至采取預防措施來避免再犯同樣的錯誤。因此，目前已有不少專家開始著手在研發(fā)可依循的機器學習算法，希望能夠厘清AI系統(tǒng)在做決策時的邏輯性。

醫(yī)療領域的AI技術集成將會是漸進式的，將隨著病患、醫(yī)師及政策制定者逐漸意識到AI對于改善醫(yī)療質量并降低成本的潛力增加而推進。如何制定適當的數據分享架構、由監(jiān)管機關創(chuàng)建強大的效能驗證方法，以及醫(yī)療院所科技基礎建設的升級等，都將有助于加速AI在醫(yī)療領域的發(fā)展。

目前有一點是確定的，即當AI在醫(yī)療領域獲得廣泛采用后，將帶來革命性的改變。