從1960年代初，學術界陸續展開對于人工智能的研究，一直到目前的機器學習、深度學習等概念，帶來了第三波人工智能浪潮。

對于醫療領域來說，在1970年代初期，人工智能就已經被應用在各項檢查中，例如根據血液檢查的結果來發現患者的感染性血液疾病，并且延伸出輔助醫療者判斷采用何種抗生藥物來成功醫治，比起過去所采用的經驗法則，大大提升了感染性疾病的判斷準確性。

透過人工智能技術的力量，可以達到一瞬間完成檢驗

直到最近，透過深度學習技術的能力大幅度提升影像辨識正確性，舉例來說，透過X光攝影(X-ray photography)、計算機斷層掃描(Computed Tomography)、核磁共振(Magnetic Resonance Imaging)，以及細胞檢查(Cytodiagnosi)等檢測設備，能夠從潰瘍的發現、腫瘤增大的結果，來發現身體的異常狀態。而這些檢查過程與發現，已經從過去需要耗費10多天，一直到透過人工智能技術的力量，可以達到一瞬間完成檢驗。

相信可以預見在不久的未來，醫學領域也將出現相當具規模的醫療變革(圖一、圖二、圖三)。對于疾病的診斷方面，以目前較簡單的方面來說，已經能夠透過類似建議協助的人工智能來進行，例如，可以經由在具有醫療性質人工智能的設備中輸入問診和檢查結果，來獲得類似診斷的建議內容。

圖一 丨從1960年代初，學術界陸續展開對于人工智能的研究。

圖二丨伴隨辨識技術提升，醫學領域也將出現大模的醫療變革(A)

圖三丨伴隨辨識技術提升，醫學領域也將出現大模的醫療變革(B)

和人類一樣，醫療領域的人工智能也是需要經過一定程度的學習，才能夠產生對于事物判斷的能力，應用了學習而來的技術，可以從拍攝的醫療影像中發現病變結果，再加上患者的癥狀、基因組體數據后，進而可以分析出初步的診斷結果。

日本透過政策計劃推動人工智能在醫療領域的應用

因此，對于人工智能在醫療領域的應用方面，日本也從政府階層開始進行計劃性地推動，在2016年11月，日本政府所召開的第2屆未來投資會議上，首相安倍晉三就明確的宣示，大數據(Big Data)與人工智能將會在預防、健康管理，以及遠程醫療方面進行最大程度的應用，來實現高醫療質量將人工智能導入日本醫療體系之中，并且日本厚生勞動省也開始著手規劃一系列相關的政策，來因應人工智能醫療時代的來臨，包括醫療費用的修正、采用人工智能醫療的激勵措施等，并且預計將在2020年全面實施與推動人工智能醫療制度。

為了達到在醫療領域更大程度應用人工智能的能力，高度完整且安全數據庫的整建絕對有其必要性，在這方面，日本政府開始整合和建立了包括電子病歷卡、健康檢查數據、醫療、照護的收據憑證數據等一元化系統數據庫，來做為跨入次時代健康管理系統架構下，提供更好醫療質量的第一步(圖四)。

圖四丨日本政府正進行規劃的患者信息數據數據庫概念圖

被稱為PeOPLe的人工智能醫療管理系統，已經開始整合與保存日本各醫療機關里每一位患者的醫療診斷紀錄，并且授予每個患者識別編號(醫療ID)，除了方便保存與管理醫療數據之外，并且也將患者在不同醫療單位就醫的數據予以統一保存管理，在未來就診時，醫療人員可以從數據庫中讀取患者過去完整的就診數據與各種檢查報告。

醫療人員方面，在未來也將統一在PeOPLe中記錄每一個患者的診療信息，同時也可以作為患者在進行回診時，透過人工智能技術，在進行檢查、診斷、治療的同時，也可以向醫療人員提出醫療支持、建議和各種警示提醒。

然而信息化之后，除了可以節省無謂及浪費的檢查之外，并且能夠將醫療資源進行優化的分配，并且透過匿名化的醫療數據，提供給各學術單位進行各項更為先進的醫療研究。厚生勞動省醫藥生活衛生局長武田俊彥表示，在未來的健康管理系統方面，在這樣的構想下，醫療、照護等數據將都會被網絡化，并且作為大數據的一部分，除了減輕醫療人員的負擔之外，更可以透過大數據數據庫，在人工智能技術協助之下，來對各地域進行下一代的醫療發展規劃，讓各地域的患者能夠得到較為完善的醫療服務。

不斷的反復進行運算，達到快速增加高度判斷的能力

在次時代醫療服務體系的建構中，最重要的莫過于人工智能的技術力量，但是，在這里人工智能將會進行什么樣的架構改變?

最初，計算機系統只有被輸入和儲存圖像以及文字等數據，而再進一步的可以進行簡單的訊號收集、整理、辨識和分析。而加入了人工智能之后，這些訊號數據就可以被同時并存地進行特征性比較，然后對于這些特征性的文字圖像進行判斷。

就如同能夠對患者透過各種檢查設備所拍攝而得到的圖像進行分析，然后更進一步的獲得診察判斷結果，同時再與數據庫中的樣品數據進行比對，根據所默認的規則來做出各種診察報告。

在以前，必須匯集各種所獲得的醫療信息，以人工輸入的方式，提供具有初步人工智能的計算機或儀器來進行比對分析。不過，伴隨著計算機的計算能力有著飛躍性的發展，得以進行更為復雜繁重的程序計算，這樣的變化，已經可以從「如果是A的話，那就會演化到B」的單純對應關系，進步到「在A的情況下，如果出B的話，可能會演化成C」的多層判斷和分析，讓人工智能技術進步到可以自行「深度學習」的階段，進而不再需要依賴人工來進行初步或比較過后的數據輸入工作，憑借人工智能的深度學習能力，不斷的反復進行運算，來達到數據自動辨識，快速增加高度判斷的能力。

圖五丨人工智能透過機械式的方式來有規律地進行自我學習。

在人工智能對于醫療方面的學習、個案判斷基準，都是和普通人一樣，沒有什么不同。

長年投入人工智能開發研究的慶應義塾大學理工學部生命情報學科原康文教授表示，醫生從患者的問診結果中，抽離出重要的關鍵訊息，借以作為初步和廣泛程度的判斷，再以結果來對患者的病理做出辨別。這時，醫師還必須根據過往的學習知識和經驗進行反復的思考、驗證，來提升精確度，獲得正確的診斷結果。人工智能醫療機制也是一樣，只不過比較大的差異是，人工智能是透過復雜的運算來修正各種系數結果，并且不斷的反復進行微調整，再獲得最后的結果。

將人工智能導入急救醫療提升急救成功機率

在傳統上，急救醫療的本質就是醫療團隊和時間在競賽。而急救醫療在導入科技之后，又多了智能手機APP和人工智能的協助。

日本東京慈惠會醫科大學，在先端醫療情報技術研究講座擔任準教授的腦神經外科高尾洋之醫師，從2016年11月開始，就擔負著主導利用手機APP和人工智能協助急救醫療這個計劃的任務，2017年度正式開始臨床應用實驗，預計在2018年正式導入急救現場使用。

在2015年時，高尾洋之醫師就已經在日本東京慈惠會醫科大學，有著超過3000部具有這項功能的iPHONE導入經驗，并且將醫療訊息予以信息化。在2016年正式展開這項計劃時，除了醫院本體之外，更加入了Allm這家公司來共同開發智能手機的APP，并且整合融入了人工智能技術，稱之為JOIN。

JOIN的架構是為了在數個醫療關系者之間可以快速且有效的進行溝通、資料分析，并且讓包括手術室、急救室等數個醫療關系者能夠同時獲得，例如X光攝影、計算機斷層掃描或核磁共振攝影、醫學攝影、心電圖等各項身體檢測結果和數據。

圖六丨利用手機APP和人工智能協助急救醫療

實際上，救護人員在急救現場難以正確掌握患者的受傷或健康狀況，并且無誤地傳達給后續急救的醫療人員。而利用智能手機APP和人工智能協助急救醫療這個計劃，就是希望借助智能手機APP和人工智能，在緊急救護和運送的過程中，能夠讓后端急救團隊能夠及早獲得患者的狀況，縮短抵達后初步傷檢判斷時間，達到提升急救成功機率與減輕各種健康后遺癥為目標。

這個急救架構是通過人工智能來進行問診與生命特征感測，再將所獲得的信息予以分析，并且進行檢傷分級(Triage)?；谶@個分析結果，在醫療單位接受急救患者時，就夠預先制定急救計劃，以及選定運送患者對象。

例如對于急性腦血管疾病的患者，可以在出現癥狀時，讓緊急救護人員預先進行相關簡易急救醫療行為。以腦血管栓塞的患者為例，從癥狀發生后的發生3小時內可經由靜脈給予tPA，此類藥物的使用必須靠醫療團隊的合作，與時間賽跑以搶救腦細胞。并且在8小時內里用血栓清除設備實施血管內治療，讓中風后遺癥降到最低的程度。而這些畫面、數據、各種行動、醫護人員之間的溝通，就可以透過手機中的JOIN這個APP來進行。

更進一步的，高尾洋之醫師不僅僅讓JOIN這個APP擔負著患者急救運送時的緊急和問診處理，更進一步的融合人工智能來完成Cloud ER系統，初步將先以腦、心血管患者為急救對象，透過Cloud ER系統提高急救成功率與降低后遺癥。

在「Cloud ER」系統中所使用的人工智能有兩大類數據分析。第一類是讓患者戴上具有量測心脈、血壓、心電圖等等生命特征功能的醫療電子手環。第二類則是透過智能手機中的APP來收集整理患者的發病各項資料。

當預定接收患者的醫療機構也從JOIN和Cloud ER系統獲得發病各項數據之后，就能制定患者的急救計劃，以及準備相關急救器材，另一方面，也可同時指示負責運送的進護人員，進行必要的急救措施，讓患者運抵醫療機構之后，就能夠立即獲得最適合的緊急救護醫療。

非所有的醫療人員都樂意接受人工智能醫療時代的來臨

雖然將人工智能導入醫療系統，通過政府的推動、行業人員的技術整合，看起來是必然趨勢，但是對于現今的醫療體系以及醫療人員來說，還必須面對無法避免的適應期。

事實上，透過日本的專業媒體訪問分析可以發現，并非所有的醫療人員都相當樂意接受人工智能醫療時代的來臨，甚至有一部分的醫療行為將會被人工智能系統或者機器人所取代，這更是深深激怒了部分的醫療人員。

根據調查，大概有85.2%的日本現行醫師相信，在未來100年內，將會實現透過人工智能來進行醫療輔助。只有不到15%的醫師認為即使再過100年，人工智能仍無法取代人類進行醫療行為。而對于采用人工智能產品來做為醫療輔助方面，仍舊有將近19%的醫師是相當排斥，甚至完全不考慮導入人工智能醫療產品(圖七、圖八)。

圖七丨預測人工智能導入醫療時間的醫師比例

圖八丨是否會采用人工智能協助醫療行為的醫師比例

就意見而言，大多接受人工智能醫療的醫師都認為，采用人工智能醫療，可以達到再確認功能而預防人為疏忽，并且可以提供輔助診斷、預防誤診，以及縮短確診的時間，甚至可以通過人工智能醫療的力量來補強自己不熟練領域的技術和知識。

當然，并非所有的醫師都是如此正面看待人工智能醫療的能力。對于醫師而言，最沉重的負擔就是需要背負著“對患者的責任”，因此，最直接被反應的問題就是，當出現誤診時，是哪一方面需要負擔責任?

有些醫師認為，人工機械因為無法擔負責任，所以絕對不可以進行確診的這項工作，最多只能提供醫師進行確診時的參考數據。因為就診斷上，無論是慢性患者，或者是需要進行急救的對象，在醫療行為進行時，存在太多的變化，仍舊需要依賴醫師的經驗，這一方面，人工智能是絕對無法做到的。因此，讓機器人測量一下生命特征的數據就好，其他方面，還是需要交給有經驗的醫師，并且需要重視醫師多年以來的醫療經驗和能力值。