文／林宏文
日前我訪問北榮耳鼻喉頭頸醫學部耳科主任廖文輝，談到他從一位臨床醫生（MD），選擇回學校念醫學工程（Ph.D.），透過這個跨界學習後的轉變，以及如何成為醫師與工程師之間的「翻譯官」。我覺得廖醫師這個經驗很有啟發意義，也可以做為醫學生物工程整合（Bio-ICT）的絕佳示範。
廖文輝畢業於陽明大學醫學系（MD），是國內耳科領域的權威醫師，對於突發性耳聾，也就是俗稱的耳中風，累積多年經驗，也協助過許多病人治療這個突發性病症。在多年臨床經驗中，他最深的感觸是，聽力損失是一種「隱形的障礙」，讓他聽見病人「聽不見」的痛苦。後來，他選擇再去念陽明醫學工程研究所醫工博士（Ph.D.），這個跨界讓他擁有更廣的診療視野，且一步步實現自己在隨身數位聽力計領域的理想願景。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球CIO同步獲取精華見解 ]
他說，跨界給他帶來至少三個層面的幫助。首先，是從「經驗法則」到「邏輯量化」。他說，傳統醫學很仰賴經驗和背誦，看到症狀 A 就給藥 B，但醫學工程訓練教會他從「First Principles Thinking」（第一性原理）思考，對現有治療方法進行真正核心的改革。
他舉親身經驗為例，在治療耳石脫落症（BPPV）引起的眩暈時，他不再只是死記復位步驟，而是在腦海中建構出半規管的三維流體力學模型。更進一步地，基於對醫學工程科技的掌握，治療方式也能從傳統的人力復位演進為科技導向。例如，將治療改為使用遠紅外線儀器照射，直接改善內耳部位的血液微循環，緩解眩暈症狀。這些思考讓他在面對醫療結構性變異或困難病例時，能夠改良新的治療方法提高臨床效果。
此外，他也能夠精準掌握「聽覺科技」。他認為，耳科是所有醫學專科中，與「物理聲學」和「電子訊號」關係最密切的科別。例如助聽器，當病人抱怨助聽器很吵時，一般醫師可能只會調小音量，但醫學工程背景讓他能理解這是「訊號處理」的問題，可能是壓縮比設定不當，或是頻率轉移的演算法與病人大腦不匹配。透過醫學工程師聽得懂的語言與聽力師溝通，再為病人微調出清晰且自然的聲音。
因此，這個背景與訓練，也讓他成為創新研發與溝通的橋樑。在醫院，臨床醫師常覺得工程師設計的醫材「不好用」，工程師則覺得醫師「講不清楚需求」。當自己擁有橫跨兩個專業的能力時，廖文輝從此就扮演醫師與工程師之間的「翻譯官」。
總結來說，廖文輝醫師覺得，「醫學讓我看見病人的痛苦，工程讓我找到解決痛苦的工具。」這是很重要的一種跨界榮耀與歷練。
[ 閱讀所有林宏文的專欄文章 ]
此外，AI 的發展對各行各業都帶來巨大影響，做為一名同時擁有醫學工程背景的醫師，AI 對廖文輝醫師來說，不僅僅是一種輔助工具，更是打破傳統醫療限制的關鍵鑰匙。根據廖文輝過去幾年的研究歷程與獲獎經歷，他將 AI 在聽能復健醫學的應用，歸納為三大主軸，分別是「聽力檢測的行動化」、「疾病治療和預後的精準化」以及「遠距醫療的落實化」。
例如第一是突破空間限制，以 AI 主動式降噪技術建立行動聽檢隔音室，包括系統建構、臨床應用與驗證等。廖醫師解釋，傳統的聽力檢查必須在造價昂貴的隔音室中進行，這是臨床上的很大的痛點，因此導致偏鄉居民、行動不便的長者，或是臥床病人難以接受標準純音聽力檢查。
所以，廖文輝醫生的 AI 解方，就致力於「利用 AI 主動式降噪技術」，訓練深度學習模型去辨識並抵銷環境噪音。這意味著，可以不需要把病人搬到隔音室，而是用 AI 創造一個虛擬的寧靜室空間。因此，在價值與貢獻上，這讓聽力檢查可以走出醫院，進入社區、長照機構，甚至病人家中，這項技術也讓廖醫師的團隊，多次獲得國家新創獎的肯定。
其次則是提升治療決策，包括建立「突發性耳聾預測模型」。廖醫師利用機器學習分析了大量突發性耳聾患者的臨床數據，找出人類醫師容易忽略的細微關聯，建立出「預後預測模型」。這能輔助醫師在治療初期就判斷病情的嚴重度，進而為病人制定更精準的個人化治療策略。
第三點，廖醫師最新的計畫是關於「開發多模態聽損辨識系統應用於遠距醫療」，未來的聽力診斷不會只看一張聽力圖，因為 AI 可以整合影像（耳鏡檢查）、聽損（病人聽力圖特徵）以及生理數據。 這在遠距醫療特別重要，當醫師無法親自觸診時，AI 能成為醫師的「千里眼」與「順風耳」，協助在遠端準確判斷病人的聽損類型，實現真正的遠距醫療。
過去，我們談醫電整合時，經常遇到醫生與工程師因專業領域很不同，除了彼此無法了解對方的專業領域外，更常出現難以溝通的情況，但廖醫師透過努力，讓自己得以成為跨領域整合的專家。廖醫師的案例，值得大家學習參考。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
