國際生醫新聞

人工智慧 (AI) 在醫學上的發展應用，因為新冠肺炎帶來了全新的契機，不少人相信，AI 能成為人類擊退新冠肺炎的利器之一。人腦不夠快，也太容易被過多訊息淹沒而遲遲沒發現某些事情的規律或跡象，電腦的運算，可以快速而專注地進行分類與標記，以協助醫療人員。例如：

1. 協助診斷：芝加哥大學的研究人員與三個醫學成像學會合作，創建一個含有 6 萬張新冠肺炎的胸部 X 光影像資料庫。由於無臨床症狀者也可能出現明顯的「毛玻璃混濁」現象，因此胸部 X 光影像是可以用於診斷，且也可彌補 RT-PCR 耗時、須特定場所、人工的缺點。而透過 AI 與機器學習，將可快速判讀有症狀的影像，不僅用作診斷，也可做為監測疾病進展的方式。

2. 提早預警：哈佛大學的研究者與其合作單位，由 200 家醫療機構、5 萬名患者中進行回顧性研究，2 月就發現了 SARS-CoV-2 感染對腎臟的損害，但臨床上至 3-4 月時才意識到患者需要洗腎的比例上升。又例如，在 1~4 月時，就已經發現許多患者的血液凝結指數「很差」，但由於難以整合所有訊息，因此直至夏季初期才進行進一步分析 ─ 這使得血液稀釋劑的使用大大延遲。這些病徵若是提早被判定與新冠肺炎有關，也許就可以挽救更多患者性命。

波士頓兒童醫院與 70 多家醫院合作，建立了含有 1000 多名因為新冠肺炎或兒童多系統炎症綜合症 (MIS-C) 而住院的兒童資料庫。現在，希望藉由 AI 工具的協助，由其中分析「抗體或疫苗是否可能會觸發 MIS-C」。此外，Nference 公司與明尼蘇達州合作開發可預測新冠肺炎熱點的方法，以便調度、設立測試站點等公共衛生資源，以及病毒在人體的影響。

在大流行開始時，對SARS-CoV-2感染敏感的特定人類細胞類型尚不十分清楚。Nference的研究是第一個以前所未有的規模和分辨率繪製病毒受體（ACE2）的圖。這項研究揭示了胃腸道（GI）系統和心血管-腎臟系統是COVID-19發病機理的重要病源，超出了呼吸系統。

然而，現階段的 AI 是否這麼萬能？答案當然是否定的！不是因為技術不到位 (當然也還是有進步空間)，而是「人」的因素居多。目前最大的障礙在於，許多資料被儲存在各個不相聯通、甚至不相容的系統中，並且，還與商業利益、地緣政治等因素牽扯。因此，科學家和私營企業只好各自努力建構數據庫，但進展緩慢。

AI 工具可以對患者的嚴重程度/死亡率進行運算與預測，這原本應該是用在「找出更需要救治的人」，但在醫療資源短缺的情況下，卻反倒成為了「排除這些人、將醫療資源留給有機會救活的人」。然而，那些「被判定死亡機率高」的人，原本是有機會存活的，現在變成死亡是必然的。例如在美國，新冠肺炎死亡患者中，非裔與西班牙裔佔了多數，因此在 AI 的運算之下，必然會被標記為高死亡風險。醫護是否可能因為資源不足，選擇對他們「隱藏」某些資源 (例如呼吸器或床位)？此外，在白人為主進行的研究，要套用在其他族群為主的患者身上，也是相當不合理的。

一把刀可以殺人，也可以救人。工具開發的最初立意都是良善，然而，不論是基於人的私利、或是迫於無奈，工具，往往變成了施加「不公平」的手段。所以，除了技術的開發，如何妥善而正確地利用這些技術，恐怕才是最難突破的關卡吧！

資料來源：The Washington Post、公司