ChatGPT 相關文章

• 2024-06-23 退休力.活躍好學

  「信GPT的人有福了，信AI得永生！」許銀雄想要台東longstay，ChatGPT提供秘訣

  「上個月來台東流浪幾天後，就喜歡上台東的山與海。」許銀雄在「東遊雜記」寫下自己的衝浪之旅，記錄他來到台東學衝浪，在小屋裡與六個打工換宿的小幫手，還有年輕有活力的瑜珈老師兼小管家，以及專業又帥氣的衝浪高手的相遇。這是許銀雄的日記，開始寫日記是ChatGPT給他的建議。經營人生下半場 探尋人生更多的可能性許銀雄是國內人工智慧、智慧醫療、大數據分析的專家，去年自宏碁智醫總經理一職退休，目前是陽明交大客座教授、華安醫學首席顧問，雖然身上仍「掛」著許多職務，且因為專長是現在當紅的AI，經常不得閒，但他認真想要開始經營人生下半場，在離開高強度的職場之後，探尋人生更多的可能性。身為在高科技業工作的學者，如何準備人生下半場的開始，許銀雄也充滿了研究精神，他先拜訪已經退休的「前輩」，看看他們現在怎麼過日子。運動保健和旅遊是退休後常見的日常，他也跟著健身房、斷食等活動，但還不到六十歲的他，有個想法持續在他內心深處迴旋，那就是到陌生的地方流浪longstay，台東就是他期待的第一站。裝了三根支架才撿回一命 決定提早退休像許銀雄這樣早就離開職場的，在科技業高層並不多見。為何決定退休？ 許銀雄看似一身輕鬆，但指著胸口，「這裡頭有三根支架喔。」原來他五年前曾因突然的嚴重心絞痛住進加護病房，裝了三根支架才撿回一命，這個經驗讓他領悟許多。許銀雄有跑馬拉松的習慣，十年前因為工作壓力太大停跑，後來再跑，總覺得跑步不像之前順暢，有一種奇怪的感覺拖住腳步。一個假日午後，跑完覺得胸口悶不舒服，過去只要休息一下就好，但這次怪怪的感覺揮之不去。結果半夜他就痛到不對勁，馬上掛急診，做心導管檢查，三條冠狀動脈阻塞了百分之九十，緊急裝了心臟血管支架。這次經驗或多或少改變許銀雄對人生的想法，住在天母的他，開車去汐止宏碁辦公室時，某一天途中，看到指標有另一條路通往基隆，但多年來他從未想過轉個彎去基隆看看。他和基隆的距離很近，卻又如此遙遠，人生會不會有許多事情就如此錯過？工作之外會不會有更值得投注的事？心之所想，開始嚮往，於是決定離開每天固定的工作。許銀雄想要台東longstay，ChatGPT提供秘訣身為AI專家，除了把「信GPT的人有福了，信AI得永生！」掛在嘴邊外，許銀雄雖退休但還是每天和ChatGPT對話。愛上台東的他，雖然覺得一切都好，但卻也擔心沒有獨居過，在心理上是否可以活得好，於是發問：「如果想要移居偏避鄉下，對於面對孤獨有什麼建議？」ChatGPT建議他正常作息、規律生活，提醒他可以學習正念或冥想，還可以寫日記，紀錄心情。這次一回來就開始寫「東遊雜記」，正是ChatGPT給的建議。但ChatGPT也提醒許銀雄，就算是一個人生活，還是可以適度與人連結。在真正longstay之前，他這次去台東，發現這完全不成問題，那裏有來自各地愛山愛水愛衝浪，想要感受自然及不一樣生活的一群人，只要也愛山愛海樂生活，絕對可以遇到一群志同道合的好夥伴。成長於山林的許銀雄，只靠一個鋼杯和簡單器具就能野營生活，很想試試看「一個人」。孩子大了，太太願意一起，就兩人同行，太太想做自己的事情，留在台北也行。好爸爸和好先生在家人需要時出現，平時能各自安好。人生有許多可能，最近讀「跟沙特一起衝浪」的許銀雄，邀請大家跟著一起提倡「work-life balance」 ，大家一起來休閒救地球。來測退休力百歲世代來臨，老後生活需要超前部署，歡迎大家填答「退休準備指標─六種動物測退休力」，定期檢視，評量退休攻略是否需要校正調整，踏出退休準備的第一步。責任編輯：陳學梅

• 2024-06-19 焦點.杏林．診間

  醫病平台／語言模型與臨床結構化資料

  【編者按】：本週再度以目前最夯的「人工智慧（AI）」為主題，討論對於醫療的影響。去年三月我們首次由幾位資深醫師討論Chat-GPT對醫病關係與醫學教育可能產生的問題。兩個月後三位年輕世代對這方面有心得的醫師，介紹這對病歷的書寫效率、醫病雙方攝取正確醫學常識都會有長足的幫忙，可以改善醫療工作的效率，甚至達到更理想的醫病關係。本週一位年輕的實習醫師自問「醫師會被人工智能取代嗎？」，寫出他對此有所保留的想法。→想看本文一位腫瘤內科醫師以ChatGPT如何幫助我們將非結構化的文字轉換為結構化的JSON格式的實例，闡述這可以成為對臨床研究非常有用的利器。一位醫療人工智慧核心實驗室博士後研究員介紹了最近國際注目的醫學倫理、政策及人工智慧專家討論如何確保醫療人工智慧的應用符合醫學倫理及社會利益，而「不要造成病人傷害」仍是醫學倫理的最高準則。大型語言模型是利用機器學習的原理，搭配上自然語言處理的演算法，將只有人類可以理解的語言轉化為文字。頓號字詞與字詞相接的關係網是透過這個關係網，我們可以用預測的方式，用機率的模式去截出下一個字。這大概就是語言模型的原理。自從語言模型，例如ChatGPT問世之後，人們便不斷的在探索可能的用途。而在醫療領域，相關的討論著重在將非結構化的資料轉化為結構化資料的實驗。所謂的非結構化資料細質，一位醫師在電腦前，根據他的所思所想，寫出的長篇短落。然而，這樣的資料最大的問題在於許多珍貴的臨床觀察要轉化成研究中的一筆數據，需要仰賴人工的騰寫跟標記，才能將其轉化為有用的資訊。這個過程造成了人力的浪費。另外，像是症狀的表示或者是病人的健康狀況，有的時候很難要求臨床工作人員去填寫表格，因為表格往往是大家覺得最討厭的東西。在過去，想要解決這個問題，有許多醫療機構設計出結構化病歷。然而，結構化病歷在不到一兩年內就被主流討論所遺棄，因為許多情況下，醫療人員並不想要去面對一個長長的表格。對於表格的恐懼會讓我們只想要快速的跳過跟完成病歷。因此，在語言模型出現之前，想要客觀地記錄病人的各種狀況還是需要靠人類的記載跟幫忙填表格，跟臨床人員幫忙填表格。在這樣的背景下，語言模型的出現正好可以解決這方面的問題。根據NEJM前幾個月最新的研究，我們在腫瘤科的癌症診斷中，常常會包含很多關鍵的訊息，包含癌症的病理診斷、期別、基因突變等。而要把不同醫師寫的不同格式整合進大型的臨床研究，這個時候ChatGPT就可以發揮它的長處。例如，我們有以下這一篇骨髓的病理報告，這段文字是透過免疫組織化學研究，對樣本進行染色並觀察染色結果。樣本為一種非生殖中心B細胞擴散性大B細胞淋巴瘤(non germinal center B-cell diffuse large B-cell lymphoma)，沒有雙表現型表現(double expressor phenotype)，且CD5有微弱的共表現。染色結果顯示BCL2和CD20呈陽性，CD3、CD10和Cyclin D1呈陰性，Ki-67的表現率為84%，c-Myc呈陰性，但有20~30%的染色表現。IMMUNOHISTOCHEMICAL STUDY:The section S23-13060 is stained by applying 10 antibodies against BCL2 (124), BCL6 (PG-B6p), CD3 (polyclonal), CD5 (4C7), CD10 (56C6), CD20 (L26), Cyclin D1, Ki-67 (30-9), c-Myc (Y69) and MUM-1 (EAU32) respectively.STAINING RESULT(S):‧BCL2: positive‧BCL6: negative‧CD3: negative‧CD5: positive‧CD10: negative‧CD20: positive‧Cyclin D1: negative‧Ki-67: 84%‧c-Myc: negative, 20~30% staining noted‧MUM-1: positiveINTERPRETATION:The results are supportive for a non germinal center B-cell diffuse large B-cell lymphoma without double expressor phenotype. Weak co-expression of CD5 is noted.像這樣的資料，往往是一個大段落的純文字檔 (free text form)，對於研究來說，想要從中提取出可供分析的資料，就需要人為的填寫。一般來說，數據往往會以JSON（JavaScript Object Notation）來表示。JSON是一種輕量級的數據交換格式，結構簡單清晰，易於理解和編寫。它比XML更簡潔，佔用更少的存儲空間和網絡帶寬。JSON廣泛支援多種編程語言和平台，便於系統之間的數據交換和整合。其靈活性允許記錄各種形式的數據，包括數字、字串、數組和對象，非常適合用於臨床數據記錄。此外，JSON既方便機器處理，也易於人類檢查和調試，且作為標準化的數據交換格式之一，具有廣泛的應用和兼容性，使其在臨床數據記錄中表現出色。所以我們只需要告訴ChatGPT：「將以下的段落格式改寫為JSON」，即可得到下面的結果。{ "diagnosis": ["DLBCL s/p auto-HCT r/o r/r"], "tissue_origin": "Right pelvic lymph node", "pathologic_diagnosis": ["DIFFUSE LARGE B-CELL LYMPHOMA"], "staining_results": { "BCL2": true, "BCL6": false, "CD3": false, "CD5": true, "CD10": false, "CD20": true, "Cyclin D1": false, "Ki-67": 0.84, "c-Myc": false, "MUM-1": true }}由上述例子，ChatGPT可以幫助我們將非結構化的文字轉換為結構化的JSON格式，這對臨床研究非常有利。通過使用ChatGPT，我們可以自動化地提取和組織臨床數據，將繁雜的文本資訊轉換為易於處理和分析的結構化數據。這不僅提高了數據管理的效率，還減少了人工處理的錯誤風險，從而促進更準確和高效的臨床研究。延伸閱讀2024/6/17 醫師會被人工智能取代嗎?一個實習醫學生的反思責任編輯　吳依凡

• 2023-05-12 焦點.杏林．診間

  醫病平台／當病人的手機比你聰明

  編者按：幾週前才以ChatGPT為主題，由三位年長的醫師發表這新科技可能引起對醫病關係以及醫學教育的影響。本週我們再度以同一主題，由醫學院畢業沒幾年的年輕醫師寫出他們對人工智慧對醫療的影響。一位醫師討論「大型語言模型」對病歷書寫可能發生的影響。在目前煩忙的醫療工作中，如果能只輸入簡短正確的病史要點，而由電腦轉寫為文法通順且內容正確的住院、出院、轉院的病歷紀錄，可以改善醫療工作的效率。其他兩位醫師由另一角度探討這問題，認為這種科技的介入最大的受益者應該是普羅大眾，病人可以更容易獲得他們可以了解的醫療專業知識，讓病人在醫病關係中獲得較為平等的地位，並且因為診斷和檢驗效率的提高，而大幅降低等待時間，提高治療品質。同時，醫師也才能有時間改善與病人與家屬的互動，達到更理想的醫病關係。這三位年輕世代的醫師呼籲醫護人員、民眾和醫學生一起好好利用新技術，創造更美好的醫療環境，並在這個快速變化的世界中共同成長。「我們預見這樣的人工智慧模型將會存在每個人的手機裡面，包括病人、家屬以及醫護人員，不對，這是現在已經發生的事了。醫學界必須要盡快開始討論要如何面對人工智慧模型。」微軟的研究部門負責人Peter Lee在討論ChatGPT等人工智慧模型時憂心忡忡地提到，ChatGPT等利用巨量的網路資料訓練的大型語言模型(Large language model)在這幾年展現了驚人的發展，以美國醫師國考舉例，前一個版本的GPT-3只能拿到剛好及格的分數，但最新的GPT-4已經可以高分通過，許多研究亦顯示高度專業化的考試（如律師、大學入學考試等）人工智慧模型都能得到高分。如此強大的AI模型，任何人只需要付幾十塊美金的月費就能取得，網路上關於非醫學背景的人詢問ChatGPT疾病診斷和治療的新聞更是比比皆是，相關的倫理問題及政策上的討論卻遠趕不上其發展的速度。隨著人工智慧的「智力」呈近乎指數型的增長，可以想見數年內對於醫學知識的掌握超過一般醫師的AI模型就會出現，這將會對病醫關係、醫學教育研究等各個層面造成極為深遠的影響，下文將就幾個面向討論這樣的典範轉移(Paradigm shift)。就病醫關係而言，醫生個人的權威性將會受到不小的挑戰，雖然現代的醫學已從最初的權威家父長式（Paternalism）逐漸轉為醫病共享決策（Shared decision making），目前醫病共享決策中很重要的基礎仍是對於醫師專業的信任，而這樣的信任在AI時代必定會受到影響。自從網路的興起，我們就常看到病人問醫師說為什麼你講的跟我在網路上查得不一樣，或是拿其他醫師或國家的資料詢問。這樣的情境下，大部分醫師都能蠻有把握得解釋說網路上大多資訊是沒有查證或是有其理解上的誤差，但是進入了AI的時代，如果AI提供的思考及醫療證據更加完備，甚至可以糾正醫師錯誤或有瑕疵的決策，對於專業的信任是否會受到影響？筆者認為在AI時代的病醫關係應該反璞歸真，回到照護—被照護者的關係。假如有一天AI可以提供最佳的診斷及治療選項，病人最需要的也許不再會是大醫院的王牌醫師提供最專業的意見，而是跟他們有密切情感基礎的家庭醫師，可以細膩地、長期地跟病人及家屬溝通及追蹤疾病的進程，並且協助解讀AI提供的建議。這樣模式之下醫生的執業型態可能會變成一個M型分布，其中一群人將會以研究為主，他們將需要具備對人工智慧深刻的了解，包括資料結構、模型訓練及潛在偏誤，並且協助資訊工程師驗證人工智慧所生產出的醫療建議，以及從事基礎研究及和臨床試驗，進行醫學知識的生產。另外一群將會回歸「醫者」的角色，充份運用AI協助以大幅減少執行診斷和治療的時間，而將大部份的精力用在提供身心靈的全人關懷與照顧。如果這就是二十年後醫師的模樣，那我們應該如何教育現在的醫學生呢？台灣現今的醫學教育仍是以大堂課教授需要背誦的醫學知識為主，這樣的模式在以前所有知識都只存在於圖書館的年代有其必要，但在網路時代、甚至接下來的AI時代，每個人隨時都能從手機中得到最及時、最完整的資訊時，醫學生最需要被培養的能力將不是背誦，而是如何獲取、分析及運用知識。美國杜克大學眼科教授Edward G. Buckley曾經在醫學教育的演講中提到，新形態的醫學教育應該有幾項特色：知識面從背誦（memorizing）變成獲取（acquire），資訊面從收集（collect）變成分析（analyze），環境面從單獨學習變成團隊學習，而以後醫生的角色將從治療漸漸變成預防。筆者認為除了學習方法的改變，在內容上也需要更加深醫學人文的訓練。人與人之間的互動，尤其是病者與醫者之間的互動是極其複雜的，包括了語言與非語言的互動，更要考量到文化、情景等不同脈絡因素。AI固然強大，如果沒有好的資訊輸入也不會有好的輸出，要如何從跟病人的互動中察覺到許多細微的資訊，以及以同理的態度去陪伴病人，提供情緒上的舒緩，這可能是人類最不容易被AI取代的技能，也是醫生最重要的使命。AI的時代下醫療究竟會發展成什麼模樣呢？在訪問的最後Peter Lee 耐人尋味得說道：「2030年對我們科技人來說已經是科幻小說的年代了，連我們都不知道那時候世界會變怎樣。」在科技飛速發展的年代，也許嘗試預測未來已經不切實際，我們真正需要具備的能力是如何在瞬息萬變中隨時調整步伐、反躬自省，自始至終堅持著作為醫師的核心價值。延伸閱讀：3/27-醫病平台／ ChatGPT會改變醫病關係嗎？3/29-醫病平台／ ChatGPT對醫病關係的影響3/31-醫病平台／ 醫學院教授的難題——沈默的槍手：人工智慧聊天機器人ChatGPT5/8-醫病平台／大型語言模型對病歷書寫的典範轉移5/10-醫病平台／關於ChatGPT與醫病關係的幾點想法責任編輯：吳依凡

• 2023-05-10 焦點.杏林．診間

  醫病平台／關於ChatGPT與醫病關係的幾點想法

  編者按：幾週前才以ChatGPT為主題，由三位年長的醫師發表這新科技可能引起對醫病關係以及醫學教育的影響。本週我們再度以同一主題，由醫學院畢業沒幾年的年輕醫師寫出他們對人工智慧對醫療的影響。一位醫師討論「大型語言模型」對病歷書寫可能發生的影響。在目前煩忙的醫療工作中，如果能只輸入簡短正確的病史要點，而由電腦轉寫為文法通順且內容正確的住院、出院、轉院的病歷紀錄，可以改善醫療工作的效率。其他兩位醫師由另一角度探討這問題，認為這種科技的介入最大的受益者應該是普羅大眾，病人可以更容易獲得他們可以了解的醫療專業知識，讓病人在醫病關係中獲得較為平等的地位，並且因為診斷和檢驗效率的提高，而大幅降低等待時間，提高治療品質。同時，醫師也才能有時間改善與病人與家屬的互動，達到更理想的醫病關係。這三位年輕世代的醫師呼籲醫護人員、民眾和醫學生一起好好利用新技術，創造更美好的醫療環境，並在這個快速變化的世界中共同成長。引言本系列文章旨在深入探討人工智慧模型，特別是像ChatGPT一般的大型語言模型(large language model)，如何改變或影響既有的醫學教育模式以及醫病關係。先前的文章透過科技面、人性面和產業面深入解析潛在問題，也透過實際與ChatGPT的問題，展現其寫作、草擬大綱與結構性問答的能力。大型語言模型是指具有10億數量級以上的自然語言處理系統，它們可以處理自然語言問答、數學推理、程式語言寫作、情感分析等多種任務。科學家發現，深度學習模型的能力並非與模型參數數量成正比，當深度學習模型的參數數量到達一定數量級，例如GPT-3的1750億或LLaMA的650億時，深度學習模型的能力會呈指數型上升，並在各種任務上表現出卓越的成長。對於大型語言模型所帶來的革命性改變，醫界持有不同的觀點。簡言之，可以用光譜來表達：在光譜的一端是ChatGPT將帶來醫療就業市場的革新，因為病人將可以從ChatGPT獲得更即時與近乎正確的答覆，提供可近的專業醫學知識；另一端則是無法改變醫病關係，反而讓診間與醫師的實際互動彌足珍貴。本文將會從科技與社會的角度切入，展示新的科技即便改變人類的行為，但仍然不會改變人類的需求；接著，本文將融匯光譜的兩端，並與您一起勾勒出未來醫病關係的新模式。你還買書嗎？淺談專業知識的解放台灣出版業產值曾達到600億元的高峰，卻在這幾年跌至180億元。人們通常歸咎於台灣人不愛看書、網路書店的興起，抑或是國家政策的失當。不過，我們可以從另一個角度來看待這個現象。不妨簡單地問「還翻過任何一本紙本百科全書嗎？」、「還買過一本紙本的中英文字典嗎？」或「還需要紙本的健身、園藝、食譜書籍嗎？」，答案多近否定。是的，我們有許多的閱讀動機在於解決問題，而隨著科技與網路的興起，在人手一機的時代，諸多的疑難雜症的解方在網路上俯拾皆是——是的，差不多就是一個俯拾的時間，就能從手機和電腦在網路上檢索答案。人類文明社會的成長，一部份由專業知識的解放過程所驅動：從最初部落文明中，耆老透過口耳相傳知識，到傳統社會的文書記事，到現代社會的網路檢索。隨著ChatGPT的發展，我們也許不難想像下個文明對專業知識的態度—由大型語言模型直接搜集數十篇相關新聞報導、學術論文、散文札記，並按脈絡與結構彙整其中的知識，並在遠短於俯拾的時間內答覆終端使用者。當佶屈聱牙、艱澀拗口的專業知識以平易近人、淺入深出的方式傳遞給病人，相等於醫學的專業知識的大門向大眾人民開啟，改變最多的將會是醫生與病人之間的資訊不對等。這形同於賦權(empowerment)：幫助病人突破醫學專業的限制，去除原來的無力感，進而能透過增加相關知識而主動並積極地改變生活型態。大型語言模型可能取代醫生嗎？Google搜尋引擎的興起是醫學知識普及的一個顯著例子。過去，醫學專業知識常常存在於接受過醫學專業訓練的醫護人員的大腦中，或者被隱藏在厚重、陳舊的醫學教科書中，因此，對於一般民眾而言難以獲取。然而，在Google搜尋引擎問世之後，醫學知識的門戶被一聲巨響地打開了。據Google在2015年發表的報告顯示，每20個Google搜尋項目中就有一個與醫療健康相關，而如今每天有超過85億的Google搜尋次數，這意味著一天即有四億次的健康相關搜尋。近年的研究還顯示，越來越多的青少年和成年人會在Google上尋找醫療健康資訊。就連在診間，患者提及自己的疾病及治療方案時，也不再只提及認識的醫護人員的專業建議，而是經常提及自己透過網路查詢相關資訊。這些都表明，科技的發展降低了門檻，讓專業知識得以普及，這對人們的生活和健康帶來了巨大的影響。Google尚且不能取代醫生，那大型語言模型有可能嗎？首先，我們必須意識到醫學需要問診、身體診察、血液檢查和侵入性檢查，以及各種藥物和非藥物治療方式。這些都不能單靠「豐富和全面的醫學知識」來取代，而需要使用昂貴的專業儀器和技術人員來完成。因此，單一的大型語言模型無法取代醫生，更準確地說，無法取代整個醫療過程。其次，我們需要認識到大型語言模型可能會在「病史詢問」和「根據檢查結果診斷疾病」方面達到專科醫師的水準。相比於Google作為檢索系統，大型語言模型具有自然語言處理能力，能夠記憶和統合大量的醫學專業知識，並通過一問一答的方式整合病人提供的信息，給出相應的建議或判斷。在「病史詢問」和「疾病診斷」上，AI極有可能超過99％的專科醫生，成為第一線民眾資訊的對象，或「第二位醫師」。事實上，再搭配手持式檢測設備(心電圖、超音波)、進階的電腦視覺技術等等，AI模型可能進一步配合部分的非侵入性檢查，成為居家的醫學顧問。有人可能質疑AI模型沒有實際接觸病人的經驗，因而無法做出有效的判斷，更不用說處理複雜病史、多種重大疾病集於一身的急症病人。但別忘記，大型語言模型「可以」閱讀上百本醫學專業書籍、上萬個權威醫學期刊的個案報告和數千萬個醫學影像。此外，它還能整合醫學電子數據庫，從上億筆急重症的病人的資料中學習不同治療處置對病人的影響。這種學習能力跨越了數十個專業科別、族群、國家和醫學中心，其所擁有的「經驗」是所有醫生所難以企及的。儘管如此，訓練這樣一個全能整合性的大型AI模型在近期尚屬困難，原因在於資料前處理的繁複、病人隱私的維護、商業利益的劃分、模型的可責性與跨系統軟硬體整合。但是，這樣的未來是可以預期的。屆時，醫療機構需要重新思考AI與醫師的權責設計、醫療服務的規劃、商業模式的洗牌與重新建立。讓AI成為更好的醫病溝通工具未來勢必會出現卓越的大型語言模型，在醫學知識、醫療教育上有超群的表現，甚至能在台灣醫院本地的資料上進行微調。這將大規模地挑戰既有的醫療結構。而醫療機構是否有最優秀的大型語言模型，或者將左右民眾對於醫療機構的信任程度。在民眾端，未來的大型語言模型設計上，將會引導民眾將自身的不適、副作用與疾病有系統性且全面性的表達，就像是讓實習醫生使用LQQOPERA進行問診般。(LQQOPERA是一種問診架構，透過詳細詢問部位、性質、量化、發作情形、誘發因子、惡化因子、緩解因子及伴隨症狀來了解病狀特性，進而協助鑑別診斷)。接著，引導民眾傾訴家族史、疾病史、藥物史等等相關病史，以協助醫師更深入地瞭解病人。最後，大型語言模型可以獲得非正式的個人化相關常識、鑑別診斷、健康指南以及就診建議。在醫師端，大型語言模型可以快速整理病人的主訴以及相關病史，將診間的醫療模式更專注在人本關懷、身體診察，而非搜集重要但瑣碎的病史資訊。大型語言模型可以快速地為醫師推薦可能的鑑別診斷、檢查檢驗、藥物套裝以及衛教資訊。加速整個看診流程。在醫病關係上，大型語言模型可以幫助醫師更好地瞭解病人的需求。透過用Line追蹤與提醒吃藥，衛教正確的用藥指導，避免不按時服藥、吃吃停停、未完成整個療程，增加臨床治療的困難度。在醫學教育上，導入AI，讓有豐富臨床經驗的醫師專注在「真實的智慧」而非「表面的知識」，讓醫學生專注在獨立思考以及臨床思維。簡言之，我們可以讓AI成為醫護人員與民眾之間的催化劑。催化劑在化學反應中，不是反應物也不是生成物，但是卻參與反應的過程，並且可以提升化學反應速率。在未來，我們可以想見大型語言模型將成為醫病溝通之間的催化劑，協助病人更有效地傳遞自身的需求、不適與病情；協助醫生有效地理解與追蹤病人狀況。AI參與了醫病關係，提升了醫病互動間資訊的傳遞速度，卻未取代病人或醫生的任一方。機會命運請選擇對於醫療體系而言，如何將人工智慧技術融入醫療服務、醫病關係和醫學教育中，將是影響未來發展的重要關鍵。對於科技公司而言，如何有效防止人工智慧的偏差和攻擊，避免隱私資訊的外洩，提高效率和正確性，以及快速微調以滿足病人需求，是在AI市場上取得領先地位的細節與魔鬼。在整個人工智慧領域的競爭中，或許，最大的受益者將是普羅大眾：降低專業知識門檻，讓病人成為醫病關係中平等的一方，真正達到知情同意(informed consent)；增進診斷和檢驗效率，大幅減低等待時間，並提高治療品質。醫療的本質始終是「人與身體的互動」。無論科技如何發展，基於共同探索的醫病關係仍是醫療成功的重要關鍵。讓醫護人員、民眾和醫學生一起擁抱這個挑戰，利用新技術為彼此創造更好的醫療環境，並在這個快速變化的世界中共同成長。延伸閱讀：3/27-醫病平台／ ChatGPT會改變醫病關係嗎？3/29-醫病平台／ ChatGPT對醫病關係的影響3/31-醫病平台／ 醫學院教授的難題——沈默的槍手：人工智慧聊天機器人ChatGPT5/8-醫病平台／大型語言模型對病歷書寫的典範轉移責任編輯：吳依凡

• 2023-05-08 焦點.杏林．診間

  醫病平台／大型語言模型對病歷書寫的典範轉移

  編者按：幾週前才以ChatGPT為主題，由三位年長的醫師發表這新科技可能引起對醫病關係以及醫學教育的影響。本週我們再度以同一主題，由醫學院畢業沒幾年的年輕醫師寫出他們對人工智慧對醫療的影響。一位醫師討論「大型語言模型」對病歷書寫可能發生的影響。在目前煩忙的醫療工作中，如果能只輸入簡短正確的病史要點，而由電腦轉寫為文法通順且內容正確的住院、出院、轉院的病歷紀錄，可以改善醫療工作的效率。其他兩位醫師由另一角度探討這問題，認為這種科技的介入最大的受益者應該是普羅大眾，病人可以更容易獲得他們可以了解的醫療專業知識，讓病人在醫病關係中獲得較為平等的地位，並且因為診斷和檢驗效率的提高，而大幅降低等待時間，提高治療品質。同時，醫師也才能有時間改善與病人與家屬的互動，達到更理想的醫病關係。這三位年輕世代的醫師呼籲醫護人員、民眾和醫學生一起好好利用新技術，創造更美好的醫療環境，並在這個快速變化的世界中共同成長。一位醫師從學生時期開始，在病歷寫作方面就有許多來自師長的要求，例如需要遵循正確的文法和用詞來撰寫病歷，以避免造成不必要的誤解和困擾，此外，還會有強制參加的病歷寫作比賽。在執業後，「病歷記載不實」、「病歷記載不詳」可說是高懸在每位醫師頭頂的達摩克利斯之劍。在評鑑的壓力下，醫師們必須確保他們的病歷完全符合標準和要求，診斷不能寫縮寫，HFrEF要寫成heart failure with reduced ejection fraction、T2DM要寫成Type 2 diabetes mellitus。然而，這些要求都造成醫療人員書寫紀錄遠大於與病人相處時間，同時給醫師們帶來壓力和負擔，特別是當他們需要在短時間內完成大量的病歷時，或連續上班36小時身心俱疲時。隨著大型語言模型的出現，如ChatGPT，透過簡單的prompt（指令），醫師們現在可以更快速地得到他們想要的結果，進一步提高了病歷寫作的效率和準確性。此外，大型語言模型還可以幫助醫師們改進病歷寫作技能，通過檢查他們的語法和用詞來提高病歷的質量。在過去，一些人提出了不同的解決方案，例如以自然語言書寫的報告，如病理和影像報告，改以條列式書寫，以減少病歷寫作的時間和工作量。此外，還有人提出結構化病歷，用表單的方式來幫助醫師們記錄病人的病情和治療過程。然而，這些方法也存在其缺點，例如過於僵硬和缺乏彈性，可能會限制醫師們的創造力和思維能力，並且可能會導致更多的工作量和時間浪費。在臨床照顧上，由於內科病人的複雜度較高，如癌症病人、加護病房病人，他們有時間跨度很長的過去病史，每當有新的事件，病歷紀錄為求方便，往往是複製前後次，新增一段「This time, he developed acute abdominal pain. He was then admitted for further management.」，這樣的病歷雖然說不會遺漏任何之前的重要資訊，卻讓閱讀、接班的醫師無法在第一時間了解病人狀況。然而在我們所處的世界，萬物都傾向朝最大值熵（亂度）前進，包含病歷，要抵抗此趨勢就需要花費巨大能量，而ChatGPT就像是催化劑降低所需的功。以下分享幾個常見的臨床情境(病人資訊皆為虛構或已經過修改)情境一：複雜的過去病史咒語內容：Outline and Sort the following medical record：54M, LUL lung adenocarcinoma s/p LS1+2 segmentectomy & LND in 2019, pT3N2M1a (visceral pleural), s/p adjuvant VC x 4 concurrent RT to mediastinum 2019/11-2020/04, s/p Iressa 2020/04, with enlarged nodule at RLL, s/p RLL wedge resection, with brain mets 2021/03, s/p RT to brain tumor/skull mets (2021/5), s/p osimertinib (2021/04/14~) with leptomeningeal mets with involvement of cauda equina, esp. bilateral S2-5 roots s/p 30 Gy/ 10 Fr. RT to sacrum level nerve root (2022/11/07~11/18), under Osimertinib 2# QD (2022/12/15~) and #3 bevacizumab QOW (12/1) with more weakness of bilateral lower extremity weakness due to disease in progression, s/p L1~L5, 3000cGy/10 fractions (11/19~11/29), s/p #4 avastin (7.5mg/kg, self paid)結果：54M with history of LUL lung adenocarcinoma:- LS1+2 segmentectomy & LND in 2019- pT3N2M1a (visceral pleural)- adjuvant VC x 4 concurrent RT to mediastinum (2019/11-2020/04)- Iressa (2020/04)- Enlarged nodule at RLL, s/p RLL wedge resection- Brain mets (2021/03)- RT to brain tumor/skull mets (2021/5)- Osimertinib (2021/04/14~)- Leptomeningeal mets with involvement of cauda equina, esp. bilateral S2-5 roots30 Gy/10 Fr. RT to sacrum level nerve root (2022/11/07~11/18)- Under Osimertinib 2# QD (2022/12/15~) and #3 bevacizumab QOW (12/1)- Bilateral lower extremity weakness due to disease in progression- L1L5, 3000cGy/10 fractions (11/1911/29)#4 avastin (7.5mg/kg, self paid)情境二：由急診病歷生成住院病摘咒語內容：Take the following information and write a medical narrative paragraph:65MDM, HTN on medicationp/w fever with cough 3d, AMS yesterday afternoonno chest pain, no n/v, no abd painER: vitals: 38c bp 100/60 RR 12 HR 120,CBC: WBC 12kLab : Cr 2.0 aki, hypoK k 2.5CXR: bil. infiltrationEKG: SRDX: CAP s/p Tazocinadmitted結果：A 65-year-old male with a history of diabetes mellitus and hypertension, who was on medication for both, presented to the emergency room with a 3-day history of fever and cough, and an onset of altered mental status yesterday afternoon. The patient denied any chest pain, nausea, or abdominal pain. Vital signs showed a temperature of 38°C, a blood pressure of 100/60 mmHg, a respiratory rate of 12 breaths per minute, and a heart rate of 120 beats per minute. The CBC showed a white blood cell count of 12,000/µL. The patient's creatinine was elevated at 2.0 mg/dL, indicative of acute kidney injury, and the serum potassium was low at 2.5 mEq/L. A chest X-ray showed bilateral infiltrations and an EKG showed sinus rhythm. The patient was diagnosed with community-acquired pneumonia and was started on Tazocin. The patient was admitted for further management and treatment.情境三：交班表生成住院摘要咒語內容：summarize in narrative medical record05/24 INR6 s/p FFP 4U。Afib rate s/p rate control add b-blocker for Afib5/25: Bilateral massive plueral effusion >5cm5/26 Afib RVR around 17:00 S/P Amiodarone loading once , check TSH/FT4 s/p NS bolus 250,* HyperK. hold spironolactone* 5/28 HR 150-170 > Amiodarone(300/900) > DC DigoxinBedside Echo: multiple B-lines, bilateral(L>R) side pleural effusion, RLL consolidation, EF R), RLL consolidation, and EF

• 2023-03-31 焦點.杏林．診間

  醫病平台／ 醫學院教授的難題——沈默的槍手：人工智慧聊天機器人ChatGPT

  編者按：本週的主題是「人工智慧聊天機器人(ChatGPT)對醫療與醫學教育的影響」。一位資深內科教授由多年的臨床經驗發表他對ChatGPT應用於醫療的隱憂，如果醫病雙方沒有互信的基礎，這種科技產物是否反而會更增加猜忌而破壞醫病關係。一位兼具多重身份的學者（醫師、醫學院基礎醫學教授、電腦工程師）與具有護理背景的腦科學研究生共同從科技面、人性面、產業面探討ChatGPT對醫病關係的影響。一位關心醫學教育的臨床醫學教授由淺入深地發表ChatGPT對醫學教育與醫學研究可能造成的困擾。讓我們不得不警惕，這樣發展下去，是否會影響學生的評估（作業、報告）以及學者的研究（論文內容及其原創性）。延伸閱讀：醫病平台／ ChatGPT會改變醫病關係嗎？延伸閱讀：醫病平台／ ChatGPT對醫病關係的影響序曲我在ChatGPT上鍵入：「GPT的出現對醫學教育和醫學研究會產生什麼影響？」不到三秒，出現以下的一篇文章：「GPT的出現對醫學教育和醫學研究產生了深遠的影響，但同時也帶來了一些令人擔憂的問題。在書面作業方面，GPT可以幫助醫學生更加高效地完成作業，並提高作業質量，但也有可能使醫學生過分依賴機器人的智能生成功能，減少自主思考和研究的能力。在醫學研究方面，GPT可以幫助研究人員在較短時間內對大量文獻進行閱讀、分析和統整，從而提高研究效率。然而，GPT的生成內容並非全部真實可靠，因此研究人員需要對GPT生成的結果進行嚴格的驗證和比對，避免因GPT所生成內容的不正確性而導致研究結果的不準確性，進而對執行醫療產生不良影響。此外，GPT還存在著對隱私保護和倫理風險的威脅。由於GPT可以通過機器學習技術學習大量的個人數據和行為模式，因此存在著潛在的隱私泄露風險。同時，在使用GPT生成的內容時，也需要考慮到是否會觸犯倫理和道德準則，尤其是在醫學領域中。總之，GPT的出現對醫學教育和研究帶來了諸多的機會和挑戰，需要我們深入思考如何合理運用和管理。在醫學教育方面，我們需要加強對GPT的引導和培養學生獨立思考和研究的能力；在醫學研究方面，我們需要對GPT生成的內容進行嚴格的驗證和比對，並加強對隱私保護和倫理風險的關注和管理。這樣才能更好地發揮GPT的優勢，促進醫學教育和研究的進步。」第一樂章故事要推回到去年(2022年)12月，特斯拉創辦人伊隆馬斯克(Elon Musk)參與投資的OpenAI發布了ChatGPT聊天機器人，它的驚人效果立即引爆所有人的關注。GPT是指「Generative Pre-trained Transformer」，它是一種自然語言處理模型，使用一種稱為人類反饋強化學習（RLHF）的機器學習技術進行訓練，運作原理基於深度學習和神經網絡技術，它使用大量的文本數據作為訓練資料，並透過學習這些數據中的模式和結構，來學習人類語言的規則和模式，模擬人類的語言能力，以生成新的文本。ChatGPT實務上能夠理解人類語言，並且回答問題，就像對話聊天。無論是隨性聊天、或是交付任務，甚至協助畫圖，創作小說，修改論文或是寫電腦程式、解決各式難題等，都能像專家一樣，做得出色到位。相信在不久的未來，ChatGPT很可能會廣泛地用在我們生活周遭的每一方面， Google搜尋引擎的角色恐怕會被取代。第二樂章就在今年(2023年) 一月中，我參加陽明交通大學教師會的尾牙時，一時興起，就問ChatGPT：「陽明大學與交通大學合併有什麼好處？」不假思索，機器人立馬回應：「陽明大學與交通大學合併可以帶來多方面的好處，以下列舉幾個可能的優點：1.提高學術水平：陽明大學和交通大學的學科領域有所重疊，合併後可以整合人力和物資資源，進一步加強學科研究能力，提高學術水平。2.擴大研究領域：合併後，兩校可以進一步整合研究領域，拓展新的研究方向，加強學科間的合作與交流，從而提高研究成果和學術影響力。3.優化師資隊伍：兩校合併後可以整合師資隊伍，提高教學質量和效率，並優化師資結構，引進更多優秀教師，提高教學水平和質量。4.提供更多學術資源：合併後，學生可以享受到更多的學術資源，包括圖書館、實驗室、研究中心等，這將有助於學生的學術成長和發展。5.提升校園文化：合併後，學校可以整合資源，提高校園設施水平，並整合兩校的校園文化，促進交流和融合，建立更加豐富多彩的校園文化，提升學校的知名度和聲譽。」我接著又問：「還有呢？」機器人隨即又答覆：6.建立更強大的跨領域研究平台：合併後，可以整合兩校的優勢學科，建立更強大的跨領域研究平台，促進學科間的合作和交流，推動新興學科的發展。7.提供更多學生交流機會：兩校合併後，可以提供更多學生交流的機會，包括學生交換計劃、跨校聯合課程等，這有助於拓展學生的國際視野和交流經驗。8.提高學校的整體品質：合併後，可以整合資源，提高學校的整體品質和實力，進一步提升學校的學術聲譽和社會影響力。」我繼續又問了兩次「還有呢？」機器人洋洋灑灑地共給了我14個答案。剛好陽明交大的林奇宏校長就坐我對面，我就將這些答案給他看，林校長說：「哇！寫得真好！麻煩轉寄給我參考！」第三樂章最近，科學月刊陳亭瑋編譯在2023-3-15的文章指出：「要ChatGPT寫作業、交報告，甚至產出學術論文應該都難不倒它。」當然，這樣的發展，讓從事教育的有識之士十分擔憂。事實上，現在已經出現正式的發表文章將ChatGPT列為文章作者之一。據陳亭瑋所轉述：「《自然》（Nature）與《科學》（Science）等重要學術出版社，均於今（2023）年針對大型語言模型制定相關的使用規則，並且已經正式列入現有的投稿指南。」重點是：這些AI工具都不可被列入論文作者的行列，因為AI無法為作品負責。陳亭瑋寫道：「《科學》期刊的主編索普（Holden Thorp）也發表社論，認為根據《科學》系列期刊要求作者投稿時聲明「作品為原創」，投稿的文章原本就不可使用大型語言模型如ChatGPT的成品進行寫作，作者應全權為投稿文章中的文字負責。」現階段， ChatGPT依然存在有一些破綻。常常這類AI技術會寫出看似合理但實際上完全不正確、甚至非常荒謬的答案。教師會那天，我故意用我的名字但是搭配上錯誤的醫院名稱，請ChatGPT評價一下對這位醫師。結果它給的答案卻讓我哭笑不得。ChatGPT正經八百地把我描述成那家醫院的名醫，不但專長領域寫錯，連進修過的學校也是瞎掰的，簡直可說是胡說八道。我不信邪又再測試了幾位當天在場的醫師，結果也都出現錯得離譜的內容。根據一些最近的報導，「此種AI技術是有可能在事實方面犯下許多錯誤，例如引用一些（甚至是捏造）不存在的參考資料。」終曲最近大學學測結束，又來到了申請入學的階段。學子和家長們都在費神準備相關的申請文件與備審資料。這時不少人擔心有人會使用ChatGPT等AI工具當槍手代筆。我就索性將這個難題還給ChatGPT。我問它：「如何鑑別學生所繳交的資料是透過GPT的機器人所撰寫？」以下就是它的回覆：「要鑑別學生所繳交的資料是否透過GPT的機器人所撰寫，需要從以下幾個方面進行比對：•資料的一致性：GPT生成的內容通常會呈現出一定的模式和風格，如果資料內容在風格、用語和結構上呈現出過於一致的特徵，就有可能是由GPT所生成的內容。•資料的內容和主題：GPT的生成內容通常是基於大量訓練數據和預設主題進行生成的，因此如果資料內容和主題與所申請的醫學專業無關或不符合常理，就可能是由GPT所生成的內容。•資料的知識深度：GPT的生成內容通常只是從已有的資料中綜合、生成，因此資料的知識深度和創新性相對較低，而人類創作的資料通常具有更高的知識深度和創新性。•資料的真實性：GPT生成的內容可能存在著虛構或不真實的情況，而人類創作的資料則更具有真實性和可信度。綜合考慮以上幾點，可以對考生所繳交的資料進行綜合評估和鑑別，從而確定其是否為GPT所生成的內容。」這部分，我覺得ChatGPT答的還算蠻好的。

• 2023-03-29 焦點.杏林．診間

  醫病平台／ ChatGPT對醫病關係的影響

  編者按：本週的主題是「人工智慧聊天機器人(ChatGPT)對醫療與醫學教育的影響」。一位資深內科教授由多年的臨床經驗發表他對ChatGPT應用於醫療的隱憂，如果醫病雙方沒有互信的基礎，這種科技產物是否反而會更增加猜忌而破壞醫病關係。一位兼具多重身份的學者（醫師、醫學院基礎醫學教授、電腦工程師）與具有護理背景的腦科學研究生共同從科技面、人性面、產業面探討ChatGPT對醫病關係的影響。一位關心醫學教育的臨床醫學教授由淺入深地發表ChatGPT對醫學教育與醫學研究可能造成的困擾。讓我們不得不警惕，這樣發展下去，是否會影響學生的評估（作業、報告）以及學者的研究（論文內容及其原創性）。延伸閱讀：醫病平台／ ChatGPT會改變醫病關係嗎？醫療是人類最古老的服務業之一，到目前也是最難自動化的一個行業。由於醫療知識非常複雜難懂，當ChatGPT等人工智慧(AI)技術誕生後，人們自然會將它應用在醫療上，這的確也是醫療再進步的一個機會。筆者擬由三個面向來討論 ChatGPT會改變醫病關係嗎？科技面ChatGPT是目前工藝的極致，繼承了幾十年來資訊科技的精華。以前只能在電影上想像的情節，現在幾乎都實現了。它功能強大，給人有問必答無所不能的印象。但許多專業人士實際使用之後，發現它還不是一個真正有問必答的智者，更無法看穿你的心思，它目前的能力更像是「文字接龍大師」。ChatGPT已經跟人類學得很像，試著從字面中去「理解」問題，再從自己擁有的「知識」中找出相對應的答案，找出一段「機率」上最平順的回應。實際上，它並沒有自知之明(insight)，意思就是無法感知自己的問題。另外，就算是人和人之間也常常出現問A答B雞同鴨講的情況，甚至會造成心結。一旦發現是誤會，往往又一笑置之。對於醫療健康的問題，何其複雜也，即使是一位有知識加同理心的醫師，回答起病人各式各樣問題，也有發生困難的時候。更何況是一位欠缺醫學知識的病人，跟一個欠缺自知之明的機器間的對話？即使機器所說的每個字都有所根據，還是會有誤解的「機率」。科技本來就不斷的追求進步，但一般大眾缺乏專業知識來了解，原來醫療AI還在進步中，錯誤難免。更甚者誤以為AI已經是什麼都會、甚至什麼都對，醫病誤解的種子就種下去了。人性面人類對一件事的理解，往往會受到心情所影響，在生病無助的時候，尤其顯得脆弱。在這個當下，任何一個人所說的，甚至是機器所說的都可以變成金科玉律。我在醫學院剛畢業沒多久，遇到一位長輩。他說他心情很不好，人家說他有憂鬱症，就快死了。初生之犢的我，看了一眼就說：你不要聽人家亂講，實際上沒這麼嚴重啦，不要自己嚇自己。結果在那當下他的病情就好了一半，一直感謝我到現在，說我救了他！一個菜鳥醫師都有這種魔力了，ChatGPT這種科技巨著，影響一位無助病人的心情更是易如反掌，即使它不是故意的。病人就是這麼脆弱，這麼容易受影響。醫師受過專業訓練，有醫師執照把關，還發過誓，有醫師宣言隨時提醒著良心，不會利用這種人性脆弱的時機佔病人的便宜。其他的人或機器可不一定有這樣的專業跟良心，放棄操控人性的大好機會。以前筆者還在當醫學生的時候，就聽說在最先進的美國，有一個行業專門守在醫院門口等著，當病人出院之時，立刻積極的關心病人：你有沒有覺得醫療疏失？有沒有受到欺負？本公司專門來幫病人控告醫師主持正義，順便賺取合理服務費。有些病人想想：反正病都生了，有機會多賺一些貼補家用也不錯，就配合辦理。以前還是手翻病歷的時代，已經可以將醫院搞得人仰馬翻，現在 ChatGPT的出現，想必讓這類公司的營運效率升級不少。AI救人還是很難，即使到目前還只能出一張嘴，也無法實體下鄉服務。但是要找碴的話，透過巨量資料庫還有演算法，簡直是小菜一碟。產業面有沒有注意到，ChatGPT這類產品，在你第一次加入會員開始使用的那一刻，就要求你打勾一個同意書。這個同意書通常很長很長，長到你沒有那個眼力與時間去仔細看完，就先勾再說馬上使用。裡面的內容其實大同小異，意思是該產品對它所說的任何話，完全不負任何損害賠償責任。這些公司其實也沒那麼不負責任，這只是這個產業的特色。這些產品的開發都需要龐大的投資，動輒十億百億美金。主要的回收，來自使用者的會費或廣告收入。論單價實在不高，但憑藉者上億會員與使用量，積少成多成為一筆可觀的收入。說實在的，投資風險也不小，一個成本效益沒控制好就會「倒店」。經營者無不使出渾身解數，哪裡設法再降低一點點支出，哪裡再設法增加一點點收入。對於法律責任這種無法估算的恐怖支出黑洞，稱職的執行長一定會設法消除之。相對之下，我們去看病的時候，不少佛心的醫師甚至會讓病人錄音，只希望病人不要因為聽錯話而耽誤病情，絲毫不顧慮將自己暴露在法律風險中。這是「生財工具」跟「醫師」本質上的差異。醫療不可能沒風險，強大的ChatGPT越是發揮它的功能，跟病人的對話越多，風險自然跟著使用量與日遽增。根據能量不滅定律，如果運作的公司不願承擔這些風險，風險不會憑空消失，只會流向另外兩者：醫師與病人。所有AI包括 ChatGPT的思考方式跟知識來源，主要都是從醫學複製來的。它的確用了超多的資源跟預算在收集資料與訓練AI，嚴格來說本身並沒有創造醫學新知。營運的廠商在降低成本與增加營收的壓力下，一方面不願意承擔任何法律責任，一方面追尋任何可以增加營收的機會，更樂於接收所有人類科技發展的榮耀，所有衍生的責任與風險只好順其自然的留給醫生與病人去承擔。醫生除了原本的服務外，還要額外替廠商解釋可能的問題，承擔廠商該負的責任，運氣不好時甚至莫名增加醫療糾紛的風險。這樣子權利義務的不對等，長久下去會出問題的，應趁早處理。在完全沒管制之下，一般非醫療專業的大眾，真的有辦法駕馭這類結合AI跟醫療的高科技產品嗎？並在廠商的營運壓力下，維持單純的醫病關係嗎？在廠商願意承擔一點點責任之前，是否我們的政府，也應該對整個醫療服務的品質把關一下？目前連血壓機都禁止放在網路上販賣，為什麼一個實質的「臨床決策支持系統」(CDSS)，可以這麼無極限的在網路上使用，而不受任何規範？難道AI診斷的影響力不如血壓計嗎？是否也可以藉此教育社會大眾負責任的習慣，尤其在面對生命的時候。以下純聊天台灣一向不缺一張「嘴」(Chat)，好康的行業也不缺人手。台灣缺的是對弱勢族群的照護，缺的是偏鄉的醫生，缺的是辛苦科別的同志。在這種情況下，來一個「非醫療級聊天機器人」的超級「543」，發表完全不用負責任的醫療高見，到底是來亂的還是來幫忙的？知識當然是醫學的基礎，但在複雜的醫病關中，還有更多的人間互信，對疾病的戒慎恐懼，對生命的尊敬。一位醫師的墓碑上刻著 「To cure sometimes, to relieve often, to comfort always（有時去治癒，常常去幫助，總是去安慰。），然而 ChatGPT這類AI除了提供知識外，能治癒疾病(cure)？紓解病痛(relieve)？ 還是安慰心靈(comfort)？ 想了半天好像都不行！有興趣的人還可以看一下傳說中的「醫師宣言」，醫師大都不會跟你聊這個，但是會以一輩子的生命來實踐自己曾經許下的承諾。不敢說100%，很多醫師的確是佛心的。相對之下，ChatGPT 等AI產品100% 是商業產物，絕不是吃素的。醫生是一個古老的行業：拔苦與樂，服務利他，試著以有限的資源，全方面照顧人們的身心靈。而ChatGPT是時代的科技產物，背負著許多股東鉅額的投資跟夢想，有著非獲利不可的壓力。或許有些醫生真的有懸壺濟世的心懷，然而要求ChatGPT拯救世界就於過沉重。ChatGPT的確是一個很優秀的語言模型，在重寫、抓重點都有不錯表現，未來一定會陸續出現以這技術為基底的AI助手，減少醫師的文書工作，提高醫師的看病效率。ChatGPT等AI就像孫悟空有通天的本事，它如果能夠接受唐三藏(指醫生)的指揮，期待有機會為醫病關係做出貢獻。反過來，誰能想像那一天孫悟空變成唐三藏的老闆？再好的東西，擺錯位置也會變成災難。總結不論是科技的創新，人性的弱點，還是產業投資獲利的壓力，光是這三大外力的參與，根據力學上最基本的牛頓第二定律：力會改變運動！筆者預測醫病關係將會改變。

• 2023-03-27 焦點.杏林．診間

  醫病平台／ ChatGPT會改變醫病關係嗎？

  編者按：本週的主題是「人工智慧聊天機器人(ChatGPT)對醫療與醫學教育的影響」。一位資深內科教授由多年的臨床經驗發表他對ChatGPT應用於醫療的隱憂，如果醫病雙方沒有互信的基礎，這種科技產物是否反而會更增加猜忌而破壞醫病關係。一位兼具多重身份的學者（醫師、醫學院基礎醫學教授、電腦工程師）與具有護理背景的腦科學研究生共同從科技面、人性面、產業面探討ChatGPT對醫病關係的影響。一位關心醫學教育的臨床醫學教授由淺入深地發表ChatGPT對醫學教育與醫學研究可能造成的困擾。讓我們不得不警惕，這樣發展下去，是否會影響學生的評估（作業、報告）以及學者的研究（論文內容及其原創性）。最近報章雜誌有許多有關人工智慧產品、技術及運用的報導，這些電腦程式的軟體，可以判讀資料、分析影像，也可撰寫論文、檔案或報告等等。在醫療領域上，這些功能可以代替人工、幫忙整合許多檢驗資料，提出一些相關的診治資訊，也可提供影像資料的分析及初步的報告，這些作業是醫病互動中常在醫病溝通後的初步病情評估。最近有很多報導認為用「智慧」電腦分析也可以幫忙醫師提供鑒別診斷的能力，甚至建議治療的方式。醫師與求診病人的互動溝通，有許多在問診、分析初步檢驗結果，再評估作診斷及治療的建議。這些文書的登記及初步的判讀、建立鍳別診斷，一般來說都有明細的「演算法（algorithm）」推演。遵循人工智慧的流程分析，應當大多數的情況都可以如依據教科書的內容作初步的判斷及分析。近年診斷過程中，因科技的進步，多了許多檢驗及影像的資料輔助，而可以比過去作出更正確的分析及判讀，幫助作診斷的資料的整合，然後也因此運用這些資訊，加上大量累積的資料庫作初步的分析及訂出處理的方案，進而可以有比以往更多的建議及更精確的診斷。科技平台可以更客觀的分析學習到的資訊，也許可依累積的資料庫資料作出合理的決定。但是並不代表這些「機械」式的、反射性的作業可以取代人類的智慧。依據累積的資料及專業人員的分析及註解，可以補充「專業」反應的時效及修正人為因素、例如分心、或疲累的身心障礙引發的錯誤或認知的偏差。從另一角角度來看，一般民眾也很方便在網路上可以查到依據網路上的資料查出一些相關的病情分析、診斷及處置的建議等。對自己病情有更多的了解，也許會改善醫病互動、溝通。醫療成效是建立在互信的醫病關係下作出臨床診斷及信任的原則下進展。互相尊重的互動，才能在良好得醫病關係下達到身心的改善，如果醫病的對話因為主客觀不能建立共識，再下一歩的處置就難有進展。一般民眾對於身心不適而求診治時，多少都有些自己的想法，有時因為有心理的因素不容易表達失望而不易溝通時，或甚至有些人自己對資料的主觀成見、其他親朋好友的建議或「祝福」而偏差時，反而會增加醫病間的摩擦或誤會。當然人工智能的結構及內容的精準度及可靠性，會受到資料庫的品質而影響判斷及可靠性。當醫病雙方沒有互信的基礎時，是否反而會更增加猜忌而破壞醫病的關係。目前很多醫療作業需要靠許多檢驗及儀器檢查，在互信的關係下來判讀。如果醫病雙方都能客觀的面對這種新科技的發展，達成有共識的溝通、共同追求好醫治療效，也許可以減少醫療資源的浪費。