最近三個月，廖先生發現自己時常頭暈、頻繁感冒，因此來向中國附醫神經部醫師許凱程求助。
跟一般問診時一樣，許凱程請廖先生動動手、動動腳，做一連串理學檢查。但許凱程在開始問診前，先按下手機App的錄音鍵，整個過程一反常態地不看電腦、手不碰鍵盤，因為手機螢幕上已將所有對話生成逐字稿。問診結束後，兩人的對話立刻濃縮成英文的病歷紀錄，過程不到1分鐘。
AI成為醫師助理
不只記錄，手機裡還有AI自行生成的「病況評估」，列出羅先生可能罹患的三種疾病；以及「診療計劃」，建議進一步驗血、做睡眠檢測等，來確認病因。也就是說，AI正在擔任醫師助理，提供診療建議。
這不只是記者會上的模擬，也是中國附醫的現況。這套微軟和中國附醫共同打造的「智海系統」，是以大型語言模型GPT-4自動生成文字摘要，再製作成護理紀錄、病歷紀錄、心臟超音波檢查報告等內容，中國附醫也是台灣第一個計劃全面導入GPT-4應用的醫院。
許凱程另一個身分是中國附醫人工智慧中心主任。
他說，啟用至今三個月已有上百位患者在智海的輔助下看診，12秒就能生成病歷紀錄，讓醫師的關注回到患者身上，不用再分心打字，醫病關係更有溫度。
請生成式AI製作病歷紀錄，已經是全球趨勢。6月底，微軟宣布要跟全球醫療軟體龍頭之一的Epic Systems合作，將語音辨識功能整合進病歷系統，讓GPT-4幫忙把醫病對話即時整合成病歷紀錄。
台灣的大膽突破，讓ChatGPT給診斷建議
讓GPT-4自動生成診療建議，輔助醫師看診，是智海最大膽的突破。中國附醫院長周德陽透露，目標半年內要讓院內至少半數醫師加入應用。
AI表現如醫師，為何只做文字轉換？
但醫療診斷上究竟有多少可信度，至今仍是一場辯論。
「我們有個學術理由，」周德陽舉例。今年4月，一篇微軟和OpenAI發表的研究草稿顯示，GPT-4在美國、台灣、中國大陸的醫師國考測驗都高分通過，尤其台灣部份正確率都在八成以上，「是一個及格醫師的表現。」
Google Research和DeepMind今年5月發表的另一篇論文草稿也顯示，大型語言模型Med-PaLM 2也通過美國執業醫師資格考，正確率86.5%。但文中提到，要真正進入臨床應用，還需要進一步的驗證，確保安全，檢視醫療倫理疑慮。
引人憂心的，仍是生成式AI推論的過程難以檢驗，尤其是偶爾脫離現實的幻覺（hallucination），因此多數醫療應用仍限縮在語音轉文字，減少無法控制的錯誤。
「醫學上，我們不能容忍幻覺，」美國堪薩斯大學醫學中心醫療資訊長Gregory Ator告訴《紐約時報》，醫院目前預計要讓2200名醫師運用生成式AI摘錄醫病對話，即時製作病歷紀錄，但就是不能涉及疾病診斷。
但周德陽強調，生成式AI只是輔助，一切還是回到醫師的專業判斷，「有點像自動駕駛的味道，」他也以醫學教育做比喻，「如果醫師今天碰上醫療糾紛，可以說這是老師教我的，要去找老師負責嗎？不會吧，還是要自己下判斷。」
其實，中國附醫大力推動GPT-4應用，始於護理師的人力缺口。
整理護理紀錄，還差一步
周德陽3年前注意到，護理師的工作太繁重，每天光是交班就要花上1小時，應該要藉由科技來減輕負擔。今年變化更是劇烈，不僅「找護理師比往年難找很多，」再加上大學醫學系申請開始出現缺額，連台灣大學醫學院也不例外，少子化的影響讓AI協助醫護工作勢不可擋。
於是在智海裡，中國附醫也自行研究方法。為了克服台灣病歷紀錄用英文、護理紀錄用中文；醫師問診對話又時常中文、台語、客語交雜，尤其是病名、藥名、處置名，多半是英文，需要準確翻譯。
周德陽先請護理部收集100小時的真實對話，再請護理師把這些病患和護理師的對話逐字整理，做成中英文本，成為智海精準判讀的語料，但目前還無法處理台語、客語的語音轉換。
此外，無論是檢查報告、問診或護理紀錄，目前智海生成的文字內容，還無法直接上傳病歷系統，需要醫護人員一一確認後複製貼上，還是需要花時間。
即便如此，GPT已經在改變護理現場。
在呼吸加護病房工作的專科護理師藍婉蓉舉例，之前寫患者住院病歷週記，都要用英文把病患身上不同疾病的變化整合描寫清楚，時常動詞、介系詞的使用都要斟酌許久，光是寫一位患者可能就耗費半小時。但在智海的輔助下，都可以縮短到幾分鐘就能完成，只要確認送出就好。
過去三個月，中國附醫院內已有50位護理長開始試用智海。護理部督導莊素蓉觀察，最明顯的應用，就是為病患換藥的時候，常有傷口滲出液，又要測量傷口的大小等，卻不方便再拿紙筆記錄，AI就能發揮功效。
其實，不只中國附醫，台大醫院也在規劃導入生成式AI的醫療應用。台大醫院醫務秘書暨智慧醫療中心主任陳信希舉例，像是遠距醫療的個案管理，患者、家屬、外籍看護的對話，都可以藉此將多語言轉為文字摘要。
幫醫護分攤文書工作，只是生成式AI醫療應用的第一步。能不能真的做到輔助診斷，降低不必要的誤診傷害，更是未來的熱門議題。
（責任編輯：宋玟蒨）
