海纳百川》台湾发展智慧医疗须策略思考（徐作圣）

中央大学、员荣医院和桃园市荣民服务处2021年11月签署「AI智慧医疗计划合作备忘录」，串连产官学训4方，为未来智慧医疗领域培育优秀人才。（蔡依珍摄）

首届招生的清华、中兴和中山大学的公费学士后医学系，约3%超低的录取率震惊了社会，在疫情期间医护人员承受了巨大压力的当下，学子们仍趋之若鹜的追求医疗专业是个值得关注的社会问题。

台湾产业结构的主体是高科技、代工制造、外销，但受限于规模有限且城乡分配不均，医疗及相关产业由内需为主。几年前，科技部「排除一切、独尊AI」的政策为台湾产业造就了一波流的「智慧风潮」，于是许多高科技公司纷纷宣称计划跨入「智慧医疗」的行业，学界、研究机构也趁热加入这场风潮，引发了包括医疗资源外部化、全球化的讨论。2021年台湾生技策略会议BTC召开，提出了多项产业发展策略，包括了医疗健康上中下游的产业。

智慧医疗是全球皆寄予厚望的产业，但从全球转型案例来看，跨业结合的困难度仍然极高。2021年节节败退的谷歌医疗为智慧医疗发展提出了一个重要警讯，动荡三年的谷歌健康（Google Health）全面下架了Streams医疗数据管理App。谷歌2021 Q2季度财报也显示，包括DeepMind、智慧医疗Verily在内的其他业务依旧亏损。营收为1.92亿美元，亏损为13.98亿美元，亏损较去年同期还有上涨。

2018年谷歌健康正式成立，不但在2021年「撤军」的临床应用Streams，在其他医疗健康领域同样也遭遇极大的困难。当时，谷歌对医疗AI如此有雄心的不止DeepMind一家，深度学习三巨头之一Hinton在这一年也说出了那句「名言」：5年内AI可以取代放射科医生。

智慧技术于生物技术及医药领域属于高复杂性，跨多重领域的基础与应用学科。从结构分类来看，智慧医疗的基础在上游的医材及生医工程，加上中游的电子病例与临床资料，及下游的医疗与健康照顾。事实上，医疗AI的发展离不开庞大数据量的支援，但涉及隐私这道红线后，使得医疗AI在落实所遭遇到的困难远比想像中的大。另外，医疗AI对数据的依赖性很高，如果选取的数据集存在偏见，那么它做出的判断也会受到巨大的影响。

智慧医疗是工程与科学的结合，但用工程的眼光来论述集科学、哲学、艺术于一身的医疗领域是极其困难的。科学与工程有着截然不同的思维方式，科学讲求的是理论与实证 (Positivism)，而工程重视的是工艺及经验法则（Empiricism）。从科教工程系统STEM与科技本质的角度来看，技术(T)发展到极限必须靠基础科学(S)创新，但所有STEM四大要素都有本身的生命周期与产业链，其互动影响产业创新、认证基准各异，故不能用成熟的工程理论或精密工艺的角度讨论以实证主义为基础的科学创新，前者为「匠」，后者为「师」。

虽然智慧工程属于应用工程的学科，但基础科学及医学理论的支撑必不可缺。特别的是，医疗健康产业「滩浅池深」跨业学习非常关键，专业知识门槛很高，非业内人士难窥其究，故智慧医疗领域的经营有「专业化」特定领域导向、「多元化」跨领域上下游整合的两类不同经营模式，而其取舍就是个重要且复杂的策略选项。

从智慧医疗的领导力来看，医疗智慧(Medical AI) 的重点在AI应用于医疗，也就是以人工智慧为主体，协助医疗界解决实际的问题；另一方面，如果把这个 产业称之为智慧医疗(AI-Medicine)，其重点强调在于医疗行为为主、人工智慧为辅，这就比较更接近现医疗产业的现况。从实经营的案例来看，以AI出发切入智慧医疗的成功案例有限，但从医疗及医材应用出发导入智慧技术的成功者众，似乎印证了医疗健康产业「滩浅池深」的现实。

今年以来，阳明与交大合并的磨合争议不断，闹得沸沸扬扬。有人说这是两大名校各自的本位主义及校风各异的原因，我倒是以为这是科学/人性思维(阳明) 与工程/制造思维(交大) 之争。如同人工智慧两大领域中，人工智慧机械学习AI/ML 是利用演算法 (Algorithm)解析并透过机器学习的结果作出决策，是一个工程优化的程式；而人工智慧深度学习AI/DL是神经网路科学为基础的深度学习，是科学实证的落实，各有其应用场景，不可同日而语。

智慧医疗尚在萌芽阶段，虽经政府大力推动，但台湾医疗相关行业仍显规模太小且研发能量不足。从全球资讯产业跨行投入智慧医疗健康产业来看，试图主导全域但以资讯产业代工或「微笑曲线」思维行事，忽略行业的高复杂度、市场及企业规模、高门槛专业能力严峻挑战、跨业基础科技与应用医学整合等障碍，其投资风险不可谓不低。IBM & Google 等大型资讯厂商投入多年但成果极其有限，如何突破此一限制须要全方位的策略思考。“History repeats itself”，在此可是否得到印证，值得观察。（作者为阳明交通大学退休教授）

※以上言论不代表旺中媒体集团立场※