引進人工智能,就可以解決公立醫院誤診肺癌問題嗎?

引進人工智能,就可以解決公立醫院誤診肺癌問題嗎?
Photo Credit: Carlos Barria / REUTERS / 達志影像
我們想讓你知道的是

要降低香港公立醫院出現癌症誤診的問題,與其採用人工智能診斷,倒不如先改善醫護人手問題和工作流程。

近日接連通報公立醫院醫生漏診肺癌延醫個案。市民和病人權益組織為已經千瘡百孔的醫療制度再狠狠插一刀,將矛頭指向大量放射專科醫生流失到私營市場,導致人手不足增加誤診個案。而醫生亦條件反射式兵來將擋,認為就算有放射專科醫生座鎮,因為「無意識失明」也未必可以改善誤診問題。

急症專科醫生Brian Goldman在TED Talk說,當世人覺得棒球擊球手打出40%「安打」可以被奉若神明,但市民會接受醫生的確診率只有40%嗎?就算確診率高於99.9%,病人都不會想自己是剩下的那0.1%。

放射專科醫生的診斷

在一輪互相指責的泥漿摔角後,有報道指醫管局正研究引入人工智能技術解讀診斷影像,希望可以減少誤診個案。人類歷史對尖端科技從來都有美麗想像,但人工智能在不久將來真的可以完全代替放射專科診斷,並做到百分百確診?

最少在我認知的澳洲和新加坡,不論是門診和住院病人,X光片都必須有放射專科醫生報告才會整份送到主診醫生手上。香港公營系統當初級醫生時已習慣,小事情要自己看X光片,沒有大狀況不要驚動放射專科醫生。與其說驚動,倒不如說,他們害怕放射專科醫生挑戰自己的臨床思維。

放射專科醫生的角色,像幫臨床醫生「守尾門」去二度檢查診斷的準繩度。香港習以為常跳過這個程序,其實等於將誤診的中門大開,出錯是遲早的事。X光不是事故報告裏數個個案的唯一診斷指標,指引亦不建議單靠X光確診癌症。若有放射專科醫生覆查照片,至少可以增加機會找到臨床醫生不關心的偶然發現(incidental findings),建議作適當跟進調查。

故此,世界各地數據工程師開始和醫生合作,希望儘快找到對應人工智能演算法作對照及肯定診療之用。

人工智能斷症?

史丹福大學醫學院日前在官網發表最新X光片演算法,以現有的11萬多張X光片「訓練」電腦,可以用單一演算法和放射專科醫生確診14項病症的其中11項。14項病症涵蓋各專科,單看腫瘤科都不只14種病症。而且人工智能斷症對照報告仍然依賴高級專科醫生判斷,即是若專家有丁點兒機會誤診,機器仍然可以跟專家一起錯下去。恐怕以現時的人工智能技術,未能即時解決醫生誤診問題。這刻的好處,只是讓指定病症看片的速度由肉眼的3小時看420張片減至用90秒完成而已。

另外,腫瘤科的特別之處,是診斷和治療的新學術研究每天以海量出版,以人類的肉眼根本沒辦法捉緊最新知識和趨勢。早年IBM因此找來美國腫瘤科旗艦Memorial Sloan Kettering Cancer Center(MSKCC)教導麾下超級電腦Watson怎樣總結研究成果、臨床表徵、實驗室報告和影像去作出診斷和建議治療方案。

故事原本十分動聽,直至今年中有內部文件曝光,現時「教導」Watson的個案,原來是醫療中心幾位專家假設個案,而非真實個案。Watson的診斷和治療因為那數名專家的偏好而傾側,亦曾經因此在斷症後建議開出對病人有嚴重併發症和副作用藥物(幸好這都是假設個案,沒有人命傷亡)。

IBM解釋說,原本Watson的「學習」過程都用上真實個案,但因為國家聯網(National Comprehensive Cancer Network, NCCN)臨床指引轉變速度太快,科學家為求數據要「乾淨」而早已採用假設個案,還說此方仍然能幫助Watson「學習」如何做臨床決定——這和瞞騙大家黑糖是用手炒,其實是機炒的珍珠奶茶店有何分別?

香港的首要問題

所以,我建議醫管局高層不要巧立名目,覺得這刻採用人工智能斷症,而不改善現時醫管局人力資源和工作流程可以解決問題。而各演算法負責工程師亦指明,技術的原意是用於一些比較落後或者不容易索取放射專科醫師意見的醫療體系。香港從哪一刻起開始要淪落至此?

一天工作36小時後呆坐在休息室裏,醫護的腦袋已沒辦法可以再記起這天看過的病人長甚麼樣子。他們也不敢再想起,現場真人的望聞問切,才是醫者的最基本。因為花多時間看一位病人,即是在剝削後來的病人應有的診症時間。一片丹心,只換來一身螞蟻,其實是誰在剝削醫護診症時間?你懂的。

延伸閱讀:

參考資料:

本文獲授權轉載,原文見作者博客

相關文章︰

責任編輯︰鄭家榆
核稿編輯︰王陽翎

或許你會想看
更多『評論』文章 更多『健康』文章 更多『李慧明』文章
Loader