生成式AI醫療應用崛起有望紓緩香港人手短缺

2024-04-102024-04-10 benny

香港公營醫療系統長期人手不足，根據醫管局數據顯示，截至2023年7月底，過去一年全職醫生及護士流失率分別為百分之6.9及10.3。醫護人員短缺變相令病人輪候時間變長，導致香港市民未能及時得到最適切的治療。紓緩香港醫療人手短缺，科技將會是一大助力，雖然生成式AI在本地醫療上的應用仍處於初步階段，但憑藉其無限的潛力，透過減輕行政負擔、加強數據分析，及輔助醫療人員診斷這三方面，期望AI在不久的將來可以為香港醫療系統帶來革命性的改變。

簡化行政工序騰出時間專心診治及護理

醫護人員除了為病人診治及護理外，亦需要花大量時間處理行政工作。有數據顯示醫療護理的行政成本在2022年增長了30％，每年達$600億美元，同時醫生職業倦怠比率亦上升至53%。利用生成式AI節省頻繁的行政工序，或可讓醫護和相關人員工作更有效率，令他們可以更專心照顧病人。

生成式AI能協助醫療人員消化冗長的臨床記錄文件以輕鬆尋找相關資料，甚至可幫助醫生、病理學家和化驗所人員處理大批數據，大大減輕行政壓力。有時醫生因為時間倉卒，撰寫病人報告或記錄病徵的時候均不會跟從一個固定格式，只是快速記下關鍵字甚至夾雜一些簡寫，有機會令跟進病人情況的其他同事感到十分吃力，而生成式AI就可以快速生成摘要，供撰寫不同文件之用，加快效率。

整合多方數據強大運算力加強分析

生成式 AI 亦可在收集和整理現有數據方面帶來重大突破，其具備強大運算功能，讓醫護人員可從數以百萬計、雜亂無章的電子健康記錄、診斷報告、影像掃瞄及化驗結果中，整理病人情況和住院詳情，從而一鍵生成出有關病人健康和護理的全新分析。例如外國就有醫療機構率先運用這項科技簡化搜尋紀錄的程序，以及自動生成住院紀錄及撰寫摘要，以辦理出院手續。

另外，生成式AI擁有整合不同形式的資料及數據的能力，因此具備更準確、安全地解答醫療問題的潛力。Google最近亦有針對胸部X光的語言模型，可為手術、篩查和診斷用的胸部X光片進行分類。

大型語言模型通過醫學考試或助醫療人員更快捷診斷

市場上其實已經有針對醫學領域的大型語言模型，可以準確及安全地解答醫療相關的問題，當中有大型語言模型在根據美國醫學執照考試 (USMLE) 建立的 MedQA問題集當中，達到「專家」應試者水平，並取得85％以上準確率，是全球首例。

配合具備問答能力的生成式AI工具，醫護人員現在可以直接輸入問題，例如「病人有沒有患癌症的病史？」而工具將快速根據數據回答。這個回答能力不僅需要對癌症相關的醫學術語有所了解，還需要理解醫療紀錄和掃描文件中的語言細微差異，擁有此能力的生成式AI工具或可媲美一個助理醫生，協助醫生在短時間內更深入了解病人情況。

同時AI亦可輔助醫學篩查，Google的AI工具亦可與乳房攝影技術結合，以用於乳癌檢測和短期個人癌症風險評估；其AI模型也可媲美視網膜專家，用於檢測糖尿病視網膜病變，幫助醫療人員篩查病人。另外，我們也樂見本地不同大學已開始研究人工智能在醫療診斷的應用，例如預測腦癌治療結果的AI工具等，協助醫療人員加快診斷，提供更高質素的醫療服務。

生成式AI不單撼動了商界，亦正在改寫整個醫療系統的未來運作。科技的發展就是要改善生活，我們期望香港加快步伐，善用先進科技改善人手不足問題，最終為市民帶來更便利及優質的醫療體驗。