从1960年代初，学术界陆续展开对于人工智能的研究，一直到目前的机器学习、深度学习等观念，所带来的第三波人工智能浪潮。

对于医疗领域来说，在1970年代初期，人工智能就已经被应用在各项检查，例如根据血液检查的结果来发现患者的感染性血液疾病，并且延伸出辅助医疗者判断采用何种抗生药物来成功的医治，比起过去所采用的经验法则，大大的提升对于感染性疾病的判断准确性。

透过人工智能技术的力量，可以达到一瞬间完成检验

直到最近，透过深度学习技术的能力大幅度提升影像辨识正确性，举例来说，透过X光摄影（X-ray photography）、计算机断层扫描（Computed Tomography）、核磁共振（Magnetic Resonance Imaging），以及细胞检查（Cytodiagnosi）等检测设备，能够从溃疡的发现、肿瘤增大的结果，来发现身体的异常状态。而这些检查过程与发现，已经从过去需要耗费10多天，一直到透过人工智能技术的力量，可以达到一瞬间完成检验。

相信可以预见在不久的未来，医学领域也将出现相当具规模的医疗变革（图一、图二、图三）。对于疾病的诊断方面，以目前较简单的方面来说，已经能够透过类似建议协助的人工智能来进行，例如，可以经由在具有医疗性质人工智能的设备中输入问诊和检查结果，来获得类似诊断的建议内容。

图一 ： 从1960年代初，学术界陆续展开对于人工智能的研究。

图二 ： 伴随辨识技术提升，医学领域也将出现大模的医疗变革（A）

图三 ： 伴随辨识技术提升，医学领域也将出现大模的医疗变革（B）

和人类一样，医疗领域的人工智能也是需要经过一定程度的学习，才能够产生对于事物判断的能力，应用了学习而来的技术，可以从拍摄的医疗影像中发现病变结果，再加上患者的症状、基因组体数据后，进而可以分析出初步的诊断结果。

日本透过政策计划推动人工智能在医疗领域的应用

因此，对于人工智能在医疗领域的应用方面，日本也从政府阶层开始进行计划性地推动，在2016年11月，日本政府所召开的第2届未来投资会议上，首相安倍晋三就明确的宣示，大数据（Big Data）与人工智能将会在预防、健康管理，以及远程医疗方面进行最大程度的应用，来实现高医疗质量将人工智能导入日本医疗体系之中，并且日本厚生劳动省也开始着手规划一系列相关的政策，来因应人工智能医疗时代的来临，包括医疗费用的修正、采用人工智能医疗的激励措施等等，并且预计将在2020年全面实施与推动人工智能医疗制度。

为了达到在医疗领域更高度应用人工智能能力，高度完整且安全数据库的整建绝对有其必要性，在这方面，日本政府开始整合和建立了，包括电子病历卡、健康检查数据、医疗、照护的收据凭证数据等一元化系统数据库，来做为跨入次时代健康管理系统架构下，提供更好医疗质量的第一步（图四）。

图四： 日本政府正进行规划的患者信息数据数据库概念图

被称为PeOPLe的人工智能医疗管理系统，已经开始整合与保存日本各医疗机关里每一位患者的医疗诊断纪录，并且授予每个患者识别编号（医疗ID），除了方便保存与管理医疗数据之外，并且也将患者在不同医疗单位就医的数据予以统一保存管理，在未来就诊时，医疗人员可以从数据库中读取患者过去完整的就诊数据与各种检查报告。

医疗人员方面，在未来也将统一在PeOPLe中记录每一个患者的诊疗信息，同时也可以作为患者在进行回诊时，透过人工智能技术的能力，在进行检查、诊断、治疗的同时，也可以向医疗人员提出医疗支持、建议和各种警示提醒。然而信息化之后，除了可以节省无谓及浪费的检查之外，并且能够将医疗资源进行优化的分配，并且透过匿名化的医疗数据，提供给各学术单位进行各项更为先进的医疗研究。厚生劳动省医药生活卫生局长武田俊彦表示，在未来的健康管理系统方面，在这样的构想下，医疗、照护等数据将都会被网络化，并且作为大数据的一部分，除了减轻医疗人员的负担之外，更可以透过大数据数据库，在人工智能技术协助之下，来对各地域进行下一代的医疗发展规划，让各地域的患者能够得到较为完善的医疗服务。

不断的反复进行运算，达到快速增加高度判断的能力

在这样次时代医疗服务体系的建构中，最重要的还是莫过于人工智能的技术力量，但是，在这里人工智能将会进行什么样的架构改变？

最初，计算机系统只有被输入和储存图像以及文字等数据，而再进一步的可以进行简单的讯号收集、整理、辨识和分析。而加入了人工智能之后，这些讯号数据就可以被同时并存地进行特征性比较，然后对于这些特征性的文字图像进行判断。

就如同能够对患者透过各种检查设备所拍摄而得到的图像进行分析，然后更进一步的获得诊察判断结果，同时再与数据库中的样品数据进行比对，根据所默认的规则来做出各种诊察报告。

在以前，必须汇集各种所获得的医疗信息，以人工输入的方式，提供具有初步人工智能的计算机或仪器来进行比对分析。不过，伴随着计算机的计算能力有着飞跃性的发展，得以进行更为复杂繁重的程序计算，这样的变化，已经可以从「如果是A的话，那就会演化到B」的单纯对应关系，进步到「在A的情况下，如果出B的话，可能会演化成C」的多层判断和分析，让人工智能技术进步到可以自行「深度学习」的阶段，进而不再需要依赖人工来进行初步或比较过后的数据输入工作，凭借人工智能的深度学习能力，不断的反复进行运算，来达到数据自动辨识，快速增加高度判断的能力。

图五 ： 人工智能透过机械式的方式来有规律地进行自我学习。

在人工智能对于医疗方面的学习、个案判断基准，都是和普通人一样，没有什么不同。长年投入人工智能开发研究的庆应义塾大学理工学部生命情报学科？原康文教授表示，医生从患者的问诊结果中，抽离出重要的关键讯息，借以作为初步和广泛程度的判断，再以结果来对患者的病理做出辨别。这时，医师还必须根据过往的学习知识和经验进行反复的思考、验证，来提升精确度，获得正确的诊断结果。人工智能医疗机制也是一样，只不过比较大的差异是，人工智能是透过复杂的运算来修正各种系数结果，并且不断的反复进行微调整，再获得最后的结果。

将人工智能导入急救医疗提升急救成功机率

在传统上，急救医疗的本质上就是医疗团队和时间在竞赛。而急救医疗在导入科技之后，就又多了智能手机APP和人工智能的协助。

日本东京慈惠会医科大学，在先端医疗情报技术研究讲座担任准教授的脑神经外科高尾洋之医师，从2016年11月开始，就担负着主导利用手机APP和人工智能协助急救医疗这个计划的任务，2017年度正式开始临床应用实验，预计在2018年正式导入急救现场使用。

在2015年时，高尾洋之医师就已经在日本东京慈惠会医科大学，有着超过3000部具有这项功能的iPHONE导入经验，并且将医疗讯息予以信息化。在2016年正式展开这项计划时，除了医院本体之外，更加入了Allm这家公司来共同开发智能手机的APP，并且整合融入了人工智能技术，称之为JOIN。

JOIN的架构是为了在数个医疗关系者之间可以快速且有效的进行沟通、资料分析，并且让包括手术室、急救室等数个医疗关系者能够同时获得，例如X光摄影、计算机断层扫描或核磁共振摄影、医学摄影、心电图等各项身体检测结果和数据。

图六 ： 利用手机APP和人工智能协助急救医疗

实际上，救护人员在急救现场是相当难以正确掌握患者的受伤或健康状况，并且无误地传达给后续急救的医疗人员。而利用智能手机APP和人工智能协助急救医疗这个计划，就是希望借助智能手机APP和人工智能，在紧急救护和运送的过程中，能够让后端急救团队能够及早获得患者的状况，缩短抵达后初步伤检判断时间，达到提升急救成功机率与减轻各种健康后遗症为目标。

这个急救架构是透过人工智能来进行问诊与生命特征感测，再将所获得的信息予以分析，并且进行检伤分级（Triage）。基于这个分析结果，在医疗单位接受急救患者时，就够预先制定急救计划，以及选定运送患者对象。

例如对于急性脑血管疾病的患者，可以在出现症状时，让紧急救护人员预先进行相关简易急救医疗行为。以脑血管栓塞的患者为例，从症状发生后的发生3小时内可经由静脉给予tPA，此类药物的使用必须靠医疗团队的合作，与时间赛跑以抢救脑细胞。并且在8小时内里用血栓清除设备实施血管内治疗，让中风后遗症降到最低的程度。而这些画面、数据、各种行动、医护人员之间的沟通，就可以透过手机中的JOIN这个APP来进行。

更进一步的，高尾洋之医师不仅仅让JOIN这个APP担负着患者急救运送时的紧急和问诊处理，更进一步的融合人工智能来完成Cloud ER系统，初步将先以脑、心血管患者为急救对象，透过Cloud ER系统提高急救成功率与降低后遗症。

在「Cloud ER」系统中所使用的人工智能有两大类数据分析。第一类是让患者戴上具有量测心脉、血压、心电图等等生命特征功能的医疗电子手环。第二类则是透过智能手机中的APP来收集整理患者的发病各项资料。

当预定接收患者的医疗机构也从JOIN和Cloud ER系统获得发病各项数据之后，就能制定患者的急救计划，以及准备相关急救器材，另一方面，也可同时指示负责运送的进护人员，进行必要的急救措施，让患者运抵医疗机构之后，就能够立即获得最适切的紧急救护医疗。

非所有的医疗人员都乐意接受人工智能医疗时代的来临

虽然将人工智能导入医疗系统，透过政府的推动、各业者的技术整合，看起来已经是必然的趋势，但是对于现今的医疗体系以及医疗人员来说，还是必须面对无法避免的适应期。

事实上，透过日本的专业媒体访问分析可以发现，并非所有的医疗人员都相当乐意接受人工智能医疗时代的来临，甚至有一部分的医疗行为将会被人工智能系统或者机器人所取代，这更是深深激怒了部分的医疗人员。

根据调查，大概有85.2%的日本现行医师相信，在未来100年内，将会实现透过人工智能来进行医疗辅助。只有不到15%的医师认为即使再过100年，人工智能仍无法取代人类进行医疗行为。而对于采用人工智能产品来做为医疗辅助方面，仍旧有将近19%的医师是相当排斥，甚至完全不考虑导入人工智能医疗产品（图七、图八）。

图七 ： 预测人工智能导入医疗时间的医师比例

图八 ： 使否会采用人工智能协助医疗行为的医师比例

就意见而言，大多接受人工智能医疗的医师都认为，采用人工智能医疗，可以达到再确认功能而预防人为疏忽，并且可以提供诊断的辅助、预防误诊，以及缩短确诊的时间，甚至可以透过人工智能医疗的力量来补强自己不熟练领域的技术和知识。

当然，并非所有的医师都是如此正面看待人工智能医疗的能力。对于医师而言，最沉重的负担就是需要背负着“对患者的责任”，因此，最直接被反应的问题就是，当出现误诊时，是哪一方面需要负担责任？

有些医师认为，人工机械因为无法担负责任，所以绝对不可以进行确诊的这项工作，最多只能提供医师进行确诊时的参考数据。因为就诊断上，无论是慢性患者，或者是需要进行急救的对象，在医疗行为进行时，存在太多的变化，仍旧需要依赖医师的经验不可，这一方面，人工智能是绝对无法做到的。因此，让机器人测量一下生命特征的数据就好，其他方面，还是需要交给有经验的医师，并且需要重视医师多年以来的医疗经验和能力值。