醫療保健中的 AI：它對臨床試驗有何助益？

作者：Mark Aiello 與 April Crehan

放眼世界各地，各個產業無不讚揚人工智慧 (AI) 的應用，認為它是解決任何問題的靈方良藥。人類的科技越來越聰明，有時它的好處也非常顯而易見。手機的導航應用程式能引導我們避開車潮，更快到達目的地；牛奶快喝光時，冰箱會通知我們並提供訂購管道；彈性電網則可以因應用電需求靈活地分配電力，並整合再生能源的使用。

在醫療保健產業，AI 的前景也一樣看好。然而，它的應用並不像買一盒雞蛋那麼簡單，除了得遵守複雜的法律規範，更要考量這類醫療保健決策產生的永久影響。

不過，在討論 AI 在醫療保健領域的應用之前，我們得先清楚定義「AI」是什麼意思。

什麼是 AI？

廣義來說，人工智慧涵蓋了與電腦模型發展相關的許多領域，這類模型能執行一些典型的人類工作，例如辨識模式以及解決問題等。AI 也有能力高低之分。能力較低的時候，系統不需要理解人類智慧的運作方式也能運行；但強大的 AI 卻可以像人一樣地思考。

就像致力引進 AI 能力的專業領域一樣，AI 的應用可以廣泛，也可以僅針對特定領域。目前以及不久的將來可能興起的 AI 應用，多數是針對特定範疇進行訓練，以執行特定的任務，因此它的能力都是有限的。這些系統是專為扮演特定角色而設計，並不像人類智慧一樣廣泛而全面，所以目前的功能有限。

機器學習與深度學習

AI 的其中一個分支，就是機器學習。機器學習系統本身會隨著取得新資料而改變，也就是說，機器會隨著取得新資料而「學習」。為了展現並提升這種能力，程式撰寫人員通常是採用將錯誤降到最低為目標這種作法。這麼做可以讓系統理解哪些方法是成功的，並提高日後使用類似步驟的機率。

機器學習又分為三種，其中最令人期待的是深度學習 (Deep Learning)。深度學習是指具備多層次的特徵辨識能力，讓這類系統見樹又見林，不僅可綜觀全局，也能確實掌握細節。在影像處理上，深度學習系統的作法非常近似人類。當遠方的物體漸漸靠近我們時，我們會觀察到更複雜的特徵，深度學習系統也是如此。例如，特定方向的像素會變成一條線，而特定方向的線條則會變成方形。

在討論醫療保健中的 AI 時，我們通常指的是深度學習，這種智慧類型對創作者和使用者來說最為實用，但同時也最為神秘難解。而同樣神秘難解的，是醫療保健中的 AI 應用及相關法規。

醫療保健中的 AI 應用

醫療保健中已經有一些令人振奮的 AI 應用，其中包括：

• 一款連續式血糖監測系統，可預測血糖的波動


• 一款臉部分析應用程式，可在為非標準病徵的病患進行診斷時，提醒醫生可能的遺傳疾病


• 一款可以搜尋資料庫，以尋找能與目標蛋白質結合之小分子的軟體

從臨床研究機構 (CRO)、公家機關到一般大眾，生命科學產業的相關人士，如今都致力於釐清 AI 在醫療保健中的角色。目前，這仍舊是場艱困的戰爭。事實上，我向專家請教的問題，有時會衍生出更多問題，像是：

• 在運用/分享個人資料以更快推動創新，以及隱私權法律及政策與道德倫理的要求之間，我們要如何求取平衡？


• 關於 AI 運用在醫療保健領域上，目前有哪些相關法規？我們在那些地方需要更多指引？


• AI 已經在醫療保健的哪些地方發揮助益？接下來還有哪些應用？


• 公開透明是現今臨床試驗的熱門關鍵字，產業界對公開透明與教育的重視，又該如何反映 AI 在醫療保健領域的使用？


• CRO 採用 AI 時，需要因應文化而改變嗎？要如何因地制宜，同時又不會意外淘汰、排除特定族群？

在接下來的幾週，我將深入探討這些主題，與大家一起因應瞬息萬變的生命科學產業。

無論您是否曾參加會議，只要有興趣討論，都歡迎您分享您的看法！請在下方發表您的意見。