在新冠病毒(COVID-19)危機之前，AI與機器學習技術在大型醫療照護機構才正開始從試驗階段走入下個階段，但受到疫情的影響現階段已飛快加速。
文／Sharon Goldman 譯／潘得龍
當醫療照護與醫藥產業，急著面對新冠病毒所帶來的各種挑戰，從開發治療方式以及提供醫療資源以降低傳染的擴大，然後又緊急開始開發疫苗等。這一連串的需求，讓人工智慧AI的解決方案需求快速增加。有關AI在醫療照護的努力成果每天都可以看到不同的新聞：在英國的醫院使用AI協助分流疫情患者；CDC在網站上成立一個以AI為底層架構的線上機器人，協助篩檢非典型肺炎病人。美國食品藥品管理監督管理局FDA，最近批准一些以AI作為技術的裝置，可以協助診斷有心臟問題的新冠病毒病患。
對AI演算法以及相關判斷模式的需求，正默默地重新塑造相關業界的未來面貌，大部分的醫療產業，對採用新的技術，事實上是非常保守的。不過，根據全球科技市場顧問公司 ABI Research 的報告，AI在下個5年，投入在醫療照護和藥品產業的經費，會從2019年的4.63億美元，成長到20億美元。
ABI Research 的首席分析師 Lian Jye Su 表示，這意味著相關技術能力的逐漸成熟，同時投資人在這個領域也愈來愈有信心。他說：「AI，特別是機器學習的部份，可以使用於處理大量的資料、時間序列資料、圖片、影片或是處理紀錄等，然後將分析的結果以資料的類型和關聯的方式呈現。從大量資料推敲出內含資訊的能力，現可以讓醫療人員進行更好的診斷，根據統計基礎執行精準的治療。」
在非典型肺炎危機之前，一些大型醫療照護機構，有關AI和機器學習技術才正要開始從試驗階段進度到下個階段，而對一些小型和中型機構，則是從「有比較好」的觀念，到認真思考到需求。Greenway Health 的科技與創新部主任 Kali Durgampudi 指出，「可以確定的是，一些AI的技術有明確的進步，特別是在語音與自然語言的處理上。但是，真正的資料分析洞察力，目前還是很弱。」
他說：「醫療照護產業與其他產業比較起來，對於AI科技接受曲線是相當落後的。」此外，處理資料的部份仍然還是導致步調遲緩的原因。他解釋：「醫院的病人資料是一種非結構性的資料，而且獨立儲存於不同的資料庫。我們會希望一般的報告內容可以有資料蒐集與AI的協助，但不幸的是，這在疫情之前仍不成熟。」
AI在醫療照護的接受度很快上升
數位資訊公司Nerdery的資料科學主任 Justin Richie 表示：在過去，醫療照護機構尋求AI解決方案，只是從一種看能不能找到降低成本以及提升效能的替代方案而已－－特別是隨著醫療機構，在2010年的患者保護與平價醫療法案，也就是所謂的歐巴馬醫療法案(Obamacare)實施之後，醫療機構需要能夠從醫療服務量收費，轉移到以提供的價值為基礎的收費模式。
隨著新冠病毒的出現，AI目前從流行病學研究的角度切入，像是疾病傳播的情況能夠執行數百萬次的模擬，以瞭解疾病的特徵和發展趨勢。不過由於機構還是放不下想要能夠完全掌握AI的行為，所以這方面的學習曲線還是較為困難。Richie解釋：「還是需要花費許多時間在解釋什麼樣的AI適合組織，最底線是AI能夠藉由純粹的高效計算能力解決許多問題，看出人類大腦所無法掌握到的一些資料特徵。」
新冠病毒讓我們再次確認了回應時間的重要性，快速回應能夠限制疾病的散播、更快找到治療方式，就能夠降低死亡率。IT與軟體開發公司Globant的生命科學科技經理 Gonzalo Raposo 如此表示。他認為，這正是我們需要AI的地方。醫療照護專業人員與AI模式的合作搭配，可以應用於預測傳染率、推估所需要的醫療資源、研發可能的治療或處置方法，甚至能夠提供新的診斷方式等。「誰會不需要更快速而且更精準的診斷呢？誰會不欣賞能夠根據更精準的可能預後預測，減少研究新藥以及疫苗所需要的時間？」他說。
當專家同意AI與機器學習將會成為改變醫療照護與醫藥業現況的重要因素時，他們也強調資料是大家共同認為最重要建立模式的因素。Medidata的資訊長兼技術長 Rama Kondru 博士說：「演算法與資料這兩者，都可以推動後續的結果將醫療照護轉型，這是互相聯結的。AI與機器學習能做到的程度，是隨著所架構的資料而定。」
然而，Durgampudi指出，這個疫情也同樣揭露了AI目前的限制，像是資料品質不佳、正確資料來源無法取得、缺乏AI技術配套，以及能夠使用解釋或確認結果的AI工具不足等。除了資料存取的問題之外，導入AI的其中一個最大的挑戰反而不是技術本身，而是蒐集以及分析資料的基礎架構目前是缺乏的。Durgampudi說：「需要有一個集中的實體，讓所有的資料都能在此蒐集，或是有一套標準可以串起各種不同的的資料。」
此外，還需要資料的互通性。他解釋：「例如，曾經有直接推送新冠病毒個案報告的電子病歷資料給疾病管制中心，以協助疫苗與治療方法的開發。這需要俱備資料的互通能力，然後讓AI與機器學習建立在這層之上，就可以探刊出有意義的資料特徵，進而能加速疫苗與治療方法的建立。」
Capgemini研究與開發主管的生命科學家 Angela Radcliffe 說：「目前雖然有愈來愈多的生命科學家與健康醫療照護機構，開始將焦點放在蒐集正確的資料來源，以便讓正確的問題能夠在正確的時間解決。這正是使用AI技術達到成長的關鍵因素。」
在醫療照護產業中最大的AI機會
AI在健康照護中的機會，不論是在新冠病毒疫情進行中，或是之後，都是很大的。Radciffe強調，在新冠病毒的時代，AI是真正站在最前線的，其擁有巨大的潛能，並能夠加快取得治療方法的速度。這些潛能包含了能夠提供AI能力的數位平台，重新設定針對發展抗病毒藥物為目標，而能夠更快速的取得新冠病毒的治療方法；藉由AI支援找到藥品的生物標記以研發出可能的新冠病毒治療藥品；使用AI技術配合聯結的物聯網裝置，進行即時監控身體狀況以進行虛擬試驗；自動化藥品安全分析以提供藥品警訊等等。
根據Radcliffe，在臨床研究與開發部份的AI使用與導入有：基因分析、臨床實驗前期應用、病人徵求以及藥品安全性分析等，AI在這部分都佔有很大的機會。此外，越來越多的醫療健康機構，開始在某些領域採用或是以以更加嚴謹的態度，看待AI架構的解決方案。例如FWA（造假、浪費與浮濫）部分、藥品產業領域，另外還包含一些供應鏈需求預測的問題等。
Su補充，藉由AI加速開發新藥的過程這點非常吸引人，「一些公司，像是 Benevolent AI、Insitro和Zymergen等，都提供了大型的化學、生物學以及材料工程學知識的資料庫，能夠提供動透可用知識，內容龐大而結構化，而且對開發有幫助的合格專利資料來源。
AI最終也能夠支援像是個人化治療、強化高階分析以及機器學習演算法等領域，以提供一個能夠針對稀少性基因疾病以及其它類似疾病的發現治療方法平台。而且由於AI的技術，能夠使用機器學習模型，能夠對醫療檢查影像進行診斷，因此對於疾病的篩檢以及疾病的診斷也能夠更加自動化、精準以及能夠減少侵入性方法的使用。
當然，Durgampudi指出，由於能夠處理更多的資料，發展出更多不同的疫苗樣品，更快速地鎖定可行方案，AI也將能夠協助加速新冠病毒疫苗的研究以及生產，「例如，藉由取得更多的個人資料，像是季節性流感或是SARS疫苗的接種效果，病人的情況，都可以讓進行臨床實驗的研究人員以及開發人員，更快速發展出下一代所需要的疫苗。」
此外，Kondru博士指出，隨著FDA對法規的鬆綁，能夠讓原本需要幾個月甚至幾年才能導入而有成效的科技，加快進入的步調。AI會在改變臨床實驗的執行方式扮演重要角色。例如：Synthetic Control Arms (SCA)，運用了高階的AI分析臨床試驗病人歷史資料，以達到傳統控制組（或是使用安慰劑）所無法達成完全匿名方式的測驗。他說：「這種方式已經開始在採用，像是卵巢癌藥品的臨床實驗，啟用AI的合成控制資料也可以確定某些實驗性治療的安全性，這些實驗性治療也可能正在進行交叉指示使用的審查，這對於尋找新冠病毒治療非常重要。」
AI在醫療照護的未來
Kondru博士指出，在接下來的六到十二個月，會蒐集到愈來愈多與新冠病毒有關的資料，在臨床試驗使用相關技術的活動也會增加，而法規與領導團隊也更加務實和彈性，會有更多的AI應用模式和模擬被整個臨床實驗的流程採用。
而在未來的一年，毫無疑問的，不管是新成立或是已經經營多年的公司，都會持續採用AI在醫療照護與藥品產業創新觀念以及解決方案。Raposo補充指出：「我們從這次疫情學到的一件事，就是必須準備快速回應。新冠病毒不能等待5年，像是我認為在藥品研發時，於實驗室中獨立發展階段或中期都可以廣泛採用AI。」
不過，在醫療照護採用創新作法，一般的步調還是比較慢，尤其在AI的採用，明顯還是會有延遲。Su提出警告說：「當我們度過新冠病毒之後，醫療照護的法規和服務，可能會開始更加注意AI所能在自動化帶來的效益，同時也能與目前已經存在的醫療和研發流程結合。」
Kondru博士表示其中的成功因素，是背後的資料，以及是否能夠以簡潔而清楚的方式，來建立強大的AI與機器學習模式和分析。他說：「這樣可以協助管理者與藥品公司更願意採用新的科技，能夠克服新冠病毒所帶來的一些瓶頸與挑戰，尤其是目前已經採用於臨床實驗的作業。」
Radciliffe預測，從長遠的觀點，醫療照護公司必定會選擇建置或是強化AI類型的解決方式，以便能夠保持領先的地位。她說：「疫情之後的情況會有所不同，我們將會看到醫療照護產業，更積極地在整個組織建立嚴謹的AI以及資料策略。」為了要能達到長久的可用性，因此必須增加各類不同資料集與科技、可用而適合的AI技術組件、強化團隊合作，以及能夠以更快的時間推出到市場的作法。以AI作為基礎的解決方案，會是更為關鍵的。她補充說：「AI將會是強化財務績效、工作人員經驗、以更智慧的方式處理事情，以及最重要的，替未來類似重大事件預作準備的必要科技。」
