打敗智力競賽冠軍後，機器人將取代醫生？

文 / Miggy Chang

蘋果的 Siri、微軟的 Cortana，或 Google的 OK Google 都是日常生活中常接觸到的人工智慧，人們在閒暇時將它們當作聊天對象，並驚艷於它們能在短時間內對問題進行快速檢索並解答的能力。近年來，隨著人工智慧科技不斷「自我提升」，觸角也伸向了更專業的領域。

人工智慧大放異彩

人類和機器人，究竟誰比較聰明？至今尚未有明確定論。當人工智慧於 1956 年在達特茅斯會議 ( Dartmouth Summer Research Project on Artificial Intelligence) 首次問世，IBM 始終致力耕耘此一領域，如 1997 年的 Deep blue 擊敗當時的國際象棋冠軍 Garry Kasparov，另一人工智慧 Waston 於 2011 年美國哥倫比亞廣播公司的 Jeopardy！智力問答比賽中，戰勝最高獎金得主 Brad Rutter 和連勝紀錄保持人 Ken Jennings， Watson 因此一戰成名。根據 IBM 官方表示，「 Watson 是目前地球上唯一能在 3 秒內回答 Jeopardy! 問題的電腦，速度足以媲美全世界最強的人類參賽者。」2016 年，人工智慧 AlphaGo 在南韓首爾舉行的圍棋大賽中擊敗世界棋王李世乭，震驚全球，才讓人們開始思考，不斷自我進化的人工智慧是否有一天能在更高度專業的領域 (如醫療) 占有一席之地 ?

Alphago 對戰世界棋王李世乭，來源：http://news.ltn.com.tw/news/world/breakingnews/1633197

Watson 在醫療領域的應用

近年來，它最新的成就是在 2016 年８月８日的日本東京大學， Watson 在 10 分鐘內比對 2,000 萬份癌症研究論文，診斷出一位讓群醫束手無策的 66 歲女性罹患罕見的白血病，並提出適當的治療方案，最後該患者也順利痊癒出院。

在太平洋的彼端，位於紐約、歷史悠久、規模龐大的私立癌症中心之一的 Memorial Sloan-Kettering Cancer Center 也利用該院的腫瘤數據來訓練 Watson 的機器學習能力，以提高其在癌症診斷的預測和分析能力。 Watson 是一台擁有人工智慧且不斷更新數據的超級電腦，可透過學習大量的醫學論文，處理龐大的醫療健康數據，在有限時間內協助醫生尋找合適的治療方法、藥物、臨床實驗和醫學影像。近 40 年來，臨床決策支援系統不斷致力於改善臨床醫生知識的侷限，減少人為疏失，幫助病人找到最佳治療決策。一般來說，臨床決策支援系統包含診斷輔助工具（ Diagnostic Support Tools）和治療輔助工具（Treatment Support Tools）。優秀的決策支援工具需要在短時間內整理相關數據，迅速得到結果，若是人工作業則通常需要幾小時或幾天來處理數據。現在透過 Watson 系統，只需要幾分鐘即可處理完畢。如此降低時間成本的特質，在治療過程中可大幅減少醫療人員負擔，讓醫療人員有更多時間與病人互動；在藥物的使用方面，則能減少藥物浪費，提升整體治療成效。

IBM 的 Watson ，來源：https://commons.wikimedia.org/wiki/File:IBM_Watson.PNG

延伸閱讀：人工智慧在健康產業的應用：先找到最好的問題 !

像人類一樣思考-能處理結構性資料與自然語言

其實，Watson 的革新與優勢並非來自新的演算法，而是利用類似人類分析事物的步驟 (1.觀察現象與證據 2.提出假設 3.評估假設的正確性 4.決定與採取適合的反應)，同時透過進行大量的資料分析，快速處理龐大的統計數據，以尋求正確的答案。與一般電腦不同的是，一般電腦只能處理特定結構的資訊，如存在特定資料庫與數字化的資料數據。但 Watson 除了處理結構性資料，還能處理非結構性資料，即解讀自然語言（如：文獻、研究報告、網路資料等），而現代 80% 的資料是屬於這類型，並將兩者結合，互相比對找出答案，一旦發現潛在的有效解決方法，便會開始核對資料庫以確認答案的可信度。

Watson 產出答案的決策過程　（圖片來源：http://www.ibm.com/developerworks/library/os-ind-watson/)

Watson 如何回答問題 (如上圖 1 所示)：

將自然語言收集彙整後，產生一個可用來進行搜索的問題；
Watson 利用嵌入式搜尋引擎，搜索大數據資料庫來尋找相關文件；
Watson 將搜索結果彙整成自然語言，產生可能的解答（假設）： (a) 對每個假設， Watson 構建並啟動搜索及收集證據支持此假說； (b) Watson 的嵌入式搜尋引擎為每一個假設搜索論據； (c) 總結搜索結果，對每個結果進行評分； (d) 對每個假設的支持論據， Watson 都給予評分。 4.最後將所有的假設輸出一張答案列表，回饋給使用者。 (Reference：作者：袁鈞濤（ Michael J. Yuan）, Ringful Health 首席科學家。)

Watson 於高專業領域的表現

Watson 作為一個發展中的人工智慧系統，在實際應用時仍需要現實世界的大數據作為建模和改善基礎。 IBM 董事長兼執行長 Ginni Rometty 在 2015 年財報中表示，以 Watson 為代表的認知系統，不同以往以程序事先定義的計算系統，Watson 透過學習現實世界的數據、資訊、知識、經驗等來自我發展。因此，Watson 想要進一步工程化與產品化，就必須與外部系統互通，因為要將這樣的能力擴大運用在醫療、金融、法律和學術界等其他領域時，須運用高度的專業能力及更複雜的語言詞彙。目前，法律界已出現第一位人工智慧的律師 ROSS，而 Watson 也同時應用於打擊網路犯罪。

Watson 除了協助東京大學與 Memorial Sloan-Kettering Cancer Center，也與麻省理工學院（ MIT）及哈佛大學布羅德研究所合作，用五年的時間，蒐集全美約一萬名匿名病人的腫瘤基因數據，先讓研究員分析，再由 Watson 整理歸納這些數據，協助研究人員找出癌症病患產生抗藥性的真正原因。
於 2016 年底， IBM 與奎斯特診斷公司 (Quest Diagnostics) 宣布合作，發布了結合認知計算與腫瘤基因體定序功能的 Watson Genomics，透過將患者腫瘤的 DNA 排序，以尋求更好的個人化醫療。此舉將過去需耗費龐大人力、物力與時間的作業，交給 Waston 處理。該專案開始在紐約市區的 Memorial Sloan Kettering 和 Columbia-Presbyterian 醫院進行，約 200 名患者參與。和以往只能針對 30-50 個基因的小型精準醫療專案不同，IBM 紐約基因體中心此次要探究包括全基因體定序約 22,000 基因的不同面相，同時，這也是 Watson 首次廣泛地提供資料給醫生及病患使用。

另外，IBM 和 Memorial Sloan Kettering共同開發的 IBM Watson 腫瘤解決方案 (Watson for Oncology)，在印度的瑪尼帕爾醫院 ( Manipal Hospital) 針對 638 位乳癌患者，由兩個腫瘤研究團隊將病患資料輸入 Watson for Oncology 中，分析 Watson 的判讀結果與腫瘤聯合討論會 (Tumor Board) 提出之治療方案的差異，同時比較兩者所花費的時間成本。 Watson for Oncology 輸出的決策結果分為三部分：建議之治療方案、可參考之治療方案以及不建議之治療方案。結果發現，Watson for Oncology 在建議與可參考之治療方案的判讀和腫瘤聯合討論會的判讀具有 90% 的一致性，在非轉移性病灶 (nonmetastatic disease) 判讀有 79% 的一致性，而在轉移性病灶之判讀只有 46% 的一致性，在三陰性乳癌 (triple-negative breast cancer, TNBC) 的判讀一致性是 36%，HER-2 陰性乳癌則是 35%。「這項實驗不是為了比較誰的正確性更高，所以我們並沒有決定兩者的優劣。」研究人員在記者會上說明，並表示在決策時間的比較上，腫瘤聯合討論會平均需要 20 分鐘來決定治療方式，但若對病情更加熟悉後，可縮短至約 12 分鐘，而 Watson 僅需 40 秒即可分析數據並做出決策。其中一位成員 Somashekhar 進一步表示，人工智慧的確有助於個人化醫療的發展，但它只是輔助，並不會取代醫療人員，因為人的多元特質 (personal factors) 有助於靈機應變。癌症研究專家 Mark Leiser 也曾說道：「Watson for Oncology 雖然是個具有潛力的認知運算工具，能針對各種臨床與研究的設定進行深度評估，但它的角色仍屬於顧問諮詢，無法取代真正的臨床診斷與醫病關係。」

漸趨成熟的人工智慧與無限的商機

儘管目前 Watson 仍無法歸類為強人工智慧 (Strong AI)，也無法完全取代人類，但 Watson 能快速分析數據並依其重要性做排序，協助人類更有效率地分析與做決策。當然 Watson 也不可能完全正確，但它的優勢在於能從錯誤中學習，且學後永不遺忘。隨著每三年就成長一倍的龐大醫療數據，與相關認知解決方案及雲端科技 (Watson Health Cloud) 的快速發展，人工智慧這個年輕且可塑性高的市場將會不斷地發展下去。甚至，有分析者看好 Watson 未來能創造出智慧決策的商業模式，該市場也預計在 2025 年可望達到 2 兆美元的規模，相當值得期待。