星醫院AI辨症 降病患手術風險 羅列各種因素助醫生考量 減人為錯誤

機器學習和深度學習等領域的發展近年取得新進展，甚至能透過數據資料了解及學習模擬人類行為，具備對結果進行推測的能力等。不少地區亦正嘗試將相關技術應用在醫療系統之中，不僅能紓緩全球醫療系統人手短缺問題，還能提升治療風險管控及預測方面的準確度。新加坡中央醫院計劃引入一種新型人工智能（AI）工具，為患者在手術前進行分析，評估潛在風險。

經歷新冠疫情後，世界各地的醫療系統紛紛見絀，發達國家醫護人手不足，落後地區醫療技術落伍，精準高效的AI技術亦讓全球醫療界視若珍寶。

香港醫療系統在全球聲譽頗高，惟在AI醫療應用方面相對遲滯，在發展智慧醫療方面也只是起步階段。立法會去年一份報告顯示，有議員敦促落實「醫療一站通」的電子平台，以AI進行初步診斷、繳交醫療費用、查閱基本病歷等程序。

AI醫療勢頭勁 惟港屬剛起步

醫管局表示正積極引入更多AI方案，以輔助臨床診斷，對本港醫療界別而言，未來還有甚麼創新應用值得借鏡？

以新加坡為例，據《海峽時報》近日報道，新加坡中央醫院計劃引入一種新型AI工具，為患者在手術前進行分析，評估潛在風險。該AI是專門針對手術的機器學習工具（CARES-ML），已收納了2015至2022年期間近10萬名手術患者的數據。CARES-ML透過分析患者的病歷、身體狀況、X光及血液測試等結果，為病人生成手術風險報告。

據悉在全球每年約3億宗手術之中，就有16.8%會導致一種或以上的併發症。CARES-ML可率先預測患者所需要的重症監護，或手術後30天內死亡的風險，準確率分別超過90%和80%。

此外，CARES-ML亦會列出增加手術風險的因素，例如麻醉劑類型及身體質量指數等，協助醫生提前將此類風險列入考量，作出適當治療，並減少人為錯誤。

醫生仍參與決定 對治療負全責

新加坡中央醫院麻醉學高級顧問Hairil Rizal表示，CARES-ML只是協助而不是取代醫生︰「CARES-ML等機器學習技術能為醫生的判斷附加意見，並通過查看比人類臨床醫生更多的數據點來提供支持。」他強調醫生始終會參與所有手術決定，並對患者的治療結果負責。

院方團隊正積極擴展AI機器學習模型，希望進一步提升治療的風險管理。他們亦期望能利用例如ChatGPT等生成AI技術，來為病人進行分類，以提升醫療系統效率。

此外，印度Manipal醫院亦於去年與新加坡初創企業ConnectedLife合作開發虛擬平台，以AI遠程監測患者手術後的健康狀況。

為助患者在手術前做準備，澳洲阿德萊德衞生網絡發布一項幫助患者適應手術的電子計劃，提供健康調查問卷及個性化項目清單。

AI輔助篩查乳癌 減醫生工作量近半

癌症掃描分析是非常耗時的工作，很多國家都面臨放射科醫生短缺，影響檢驗效率。瑞典隆德大學有研究發現，通過AI輔助乳癌X光篩查，能協助放射科醫生工作量減少44%，以解決人手不足。

研究小組在2021至2022年期間，對80,033名瑞典婦女進行為期一年多的追蹤調查，被隨機分配進行AI乳癌篩查的39,996名患者中，有28%人在篩查中發現患癌。而接受傳統人手癌症篩查的其餘患者，則約有25%人檢測結果驗出癌症。利用AI輔助乳癌篩查的放射科醫生，較採用傳統方法的醫生少看了36,886個篩查數量，使工作量大減44%。但研究員表示，結果仍不能完全證實AI已準備好在乳癌X光篩查應用，還需了解與AI結合是否有助發現傳統篩查經常漏掉的間隔癌症。

原文刊《香港經濟日報》

記者︰王愷楹

美術：悠然