醫療保健領域裡的 AI 應用：如何透過協同合作改善臨床試驗的資料使用

作者：Mark Aiello 與 April Crehan

為何要分享資料？

資料無疑是人工智慧 (AI) 的「動力來源」。無論您的解決方案有多麼複雜、先進，開發 AI 時，您都需要藉由經過整理的多元化資料來訓練系統。想訓練機器，讓它們更聰明，就得運用大量的高品質資料來進行訓練，但要取得如此龐大的資料絕非易事，對醫療界來說甚至是更加困難。

除了自己的醫生以外，病患顯然都不願意與別人分享自己的資訊 (也就是他們的個人資料)；另一方面，醫生基於法律及道德上的要求，也必須保護病患的隱私。這些限制使得「確實」存在的醫療資料集彌足珍貴。那麼，基於什麼樣的理由，公司或機構會願意分享他們專有的病患資訊和資料集呢？

資料分享對社會有極大的益處。另外，資料分享有助於提高生產力、重複成功的果實與減少重複工作，讓臨床試驗領域的每個人都能直接受惠。

提高生產力

研究結果一再顯示，協同合作能提升所有工作人員的效能。因此對資料擁有者來說，與病患、醫生、藥品研發者、研究人員等利害關係人分享專有資料，就代表他們能壓低成本，加快腳步並獲得成功。Elsevier 曾在一篇報告中指出，分享研究資料「能夠加快研究的進行」。這篇報告所做的整合分析結果發現，所有抗憂鬱的藥物對急性成人憂鬱症的短期治療效果，都比安慰劑來得好，而這項研究也展現了協同合作的重要性。這項分析結合了已發表的研究以及之前未曾發表的資料集，被 Elsevier 稱為「迄今最全面的抗憂鬱藥物評估內容」。這項整合分析之所以能夠完成，是因為研究人員、監管機構和製藥公司願意應要求分享工作成果，而作者群將資料集完整發表，也讓同儕得以嘗試進行重複性研究，並供日後使用。也就是說，最初協同合作的成果也能對日後研究產生正面的漣漪效應。

結果再現與降低風險

研發新藥物需投入高額成本，相信您再清楚不過了。成功進入測試階段的新藥中，根本無法走到審查這一關的就有將近 88%。要是能事先知道，其他公司走過同樣的路卻未能成功，其好處之大便可想而知。如果研究成敗的資訊可以分享，您就能重新分配資源，用於從事不同途徑、分子或疾病的研究。您甚至可以直接改善有望快速上市的產品。提早得知這些錯誤並提升資訊的公開透明度，也能避免病患受到傷害。我們已經不只一次看到隱匿負面甚至是不明反應，並持續使用藥物，最終造成嚴重的不良後果，甚至會導致患者死亡。

療效驗證

研究與試驗作法越公開透明，其他人也越容易支持 (或反對) 您的研究工作。再現性是科學進步的關鍵所在，資料公開可簡化再現性研究的複雜度。在 AI 領域中，分享測試集可以協助他人改善現有的 AI 系統。研究人員越早發現需要改善的地方，就能越快重複成功經驗。

該分享哪些資料

儘管資訊分享有許多明顯的好處，但仍有一個重大的挑戰：病患不願意分享自己的醫療資料。研究人員和試驗委託者該如何克服這個難題？提高分享資料的意願，進而推動醫療保健 AI 開發與應用的一項關鍵，就是將資料匿名化，進而減少病患對隱私的部分疑慮。將願意在「互換互利」的基礎上分享匿名資料的研究人員群體組織起來，是鼓勵彼此分享資訊的一種有效方法。部分政府機關和期刊也將一定程度的資料分享，作為提供資金和發表科學研究成果的條件。這點也能鼓勵研究人員分享資料。

那麼，到底有哪些資料是可以分享的？

資料集

訓練集是 AI 系統的藍圖，因此分享訓練集可能會侵犯智慧財產權 (IP)。但為什麼不能至少分享您使用的測試集，來證明您的系統有效呢？如果您信得過自己使用的 AI 系統，不妨讓他人用您的測試資料來測試他們的系統，看看他們的系統效能否超越您。

成果

人人都很樂意分享成功經驗，但即便是失敗，也有許多值得學習之處。我們必須培養一種文化，讓人們除了成功以外，也願意敞開心胸分享「失敗」經驗。您與同儕都可以從您的錯誤中學習，或許還能幫您找出失敗的原因。而且，正如前文所述，分享失敗經驗甚至可以拯救性命。

病患群體

醫療保健領域最強大的一種 AI 應用方式，就是為臨床試驗招募病患與進行媒合。由於 AI 能針對試驗辨識出條件最符合的候選病患，因此防範候選受試者被其他試驗「搶走」的壓力會因此減輕。在 AI 的協助下，您可能會發現臨床試驗的病患群體中，也有非常適合競爭對手試驗的人選，反之亦然。

說到底，在醫療保健領域中應用 AI，可望為病患創造更美好的世界。臨床試驗界只要再多進行一些資料分享，就能更快發展出改善人民生活的創新貢獻。

想要深入了解 AI 如何為臨床試驗界帶來革新嗎？按一下這裡即可了解更多資訊。