人工智能是医疗领域是新希望还是昙花一现

人工智能（AI）在医疗领域的应用对于改善患者健康状况具有重大的意义，但法规上偶尔会走入灰色地带引发争议，基于计算机一向是消弥医疗偏见的客观方法，人们对人工智能的依赖只会持续加深。迄今为止，医疗AI在以算法读取病患资料与医疗图象的结构化练习有所优势，这种训练可筛选大量医学文献（对人类而言过度繁重的任务），训练机器检测病理异常，并告知医疗建议，又被称为「深度学习」。实例如MedyMatch与Viz公司，使用专门的算法及深度学习读取患者的计算机断层扫描（CT Scan），来帮助医生在紧急治疗情况下快速诊断病患中风迹象，这样的进展尤其重要，因为迅速接受适当的治疗对病患会产生很大的影响。

北美放射学会（RSNA）在2017年11月举行的年会探讨的绝大多数议题，已将医疗AI运用在放射学和医学影像中，一些研究人员并介绍了AI在中风病患护理领域许多有前景的应用，以及肺结节（lung nodules）风险的发现与分类，并能辨识许多需要需要优先由放射科医生评估的影像病例。

虽然在临床上使用AI的方法是有希望的，但近期IBM Watson引起一波争议，Watson虽在MD Anderson癌症中心建立肿瘤临床决策支持系统方面发挥核心作用，但MD Anderson与IBM合作伙伴关系公开，引起一些业内人士对医疗AI的趋向保守。

开发AI与机器学习的公司也认识到，当他们开发出一项会造成快速改变的技术时，却有可能在通过美国食品及药品管理局（FDA）批准或其它审核程序中面临不确定性，这些技术许多都属于FDA的临床决策支持软件类别，但在FDA如何规范医疗AI仍存有关键的灰色地带。

不过FDA已了解现有商业化模式很快将变得过于繁重，无法跟上业界如此迅速的创新脚步，因此亦制定了「数码健康创新行动计画」（Digital Health Innovation Action Plan）以解决问题，目前FDA已透过该计画与苹果（Apple）、J&J、罗氏（Roche）、三星电子（Samsung Electronics）、Verily合作，为这些新兴技术创造新的法规途径。

许多利用云端运算的AI使用，受美国法律保护的医疗信息（PHI）发展技术变成了安全问题，《健康保险可携与责任法》（HIPAA）要求健康保险确保病患隐私的法规。

此外，一个不能分享如何确诊的深度学习算法，可能会让临床医生和监管机构很难相信，使监管机构与依赖AI的医生较难获得透明度，因此能使FDA及其它公司了解这种「黑盒子」确诊的依据也变得越来越重要。