醫療產業應用大數據、人工智慧的案例越來越多，臺北醫學大學醫學科技學院院長李友專正帶領團隊進行「人工智慧醫療應用研發人才與產業橋接計畫」。他表示：「AI可以讓醫療更安全，效率也更好，這個產業潛力很大。」

李友專回憶，他在1995年回臺，發現AI很難應用在醫療上，主要是當時電腦不夠強大，無法應付複雜的運算，且過去病歷只有紙本，沒有電子化的觀念，一直到1995年國內才開始重視病歷電子化，並在1997年電腦醫令系統（CPOE）上線後，國內病歷在2015年才幾乎電子化，可以用電腦系統輕鬆捕捉病歷。

他笑稱，一開始醫師很排斥醫令系統，「很多醫師說，多了這個系統就不會看病，但現在反而是，沒有系統就不會看病了。」

AI挑出3%問題處方箋

健保從一開始就實施電子化至今24年，透過大數據建立資料庫，結國內2,000多萬人的資料，讓臺灣建立高品質的大數據，現在的時間點是最適合AI結合醫學的時刻。

不過，李友專坦言，醫療被說成「產業」常常會被罵，但若不當產業看，外界根本無法掌握，整個體系變得很封閉，例如許多優秀工程師都在電子業，憑想像解讀醫療體系，合作上難以符合需求，包括宏達電、聯發科在踏進醫療時都曾遇到困難。

李友專表示，目前北醫有北醫附設醫院、萬芳醫院、雙和醫院，每年要收300多萬位病人，北醫有充足條件讓工程師去開發AI。 

李友專的計畫包含兩部分。第一個是以串連機率與深度學習的方式，開發出「智慧型藥物安全系統」（AESOP），一旦處方中出現無法被解釋的用藥，即被認定為不適當處方，系統會即時跳出提醒，診間醫師可再次檢視醫囑和處方，避免用藥錯誤。

此計畫已成立1家新創公司，也跟多家醫院進行臨床實驗，針對40萬個病人的處方進行過濾，大約有1.2萬張被辨識為問題處方箋，錯誤率約3%，而過去人工手寫錯誤率約5%，可見AESOP系統可強化處方的安全性，且全世界都可以採用這個系統。

5個問題篩出皮膚癌

另一項正在進行的計畫，則是由北醫育成催生的「皮智股份有限公司」，推出第一款能讓民眾進行皮膚癌預防檢測的「痣能達人MoleMe」，加入Line好友，民眾僅需回答5個基本問題，並拍下長痣區塊的清晰照片上傳，即可由AI判斷是否建議就診。

李友專表示，最近有位女性透過這個「痣能達人」系統判斷，赴醫就診後發現是黑色素細胞瘤第0期，由於及早發現已完全治癒。這套系統透過募款方式開發，花了約200萬元研發，開始運作後已累積2萬多個使用者。

他認為，臺灣看病太容易，在美國看病相對困難，例如美國波士頓一名UBER司機向他抱怨，花了500元美金（約新臺幣1萬5千元），最終卻沒能由醫師看病。在美、加等國，雖醫療先進，但看病不方便，在這些國家推展AESOP、痣能達人系統，反而市場更大，目前還在尋求獲利模式。痣能達人未來傾向跟一些保養品合作，如防曬用品、保濕乳液等。

跟著李友專團隊研究10年的北醫大醫學資訊研究所助理教授楊軒佳，原本是大林慈濟醫院的藥師，離職後就跟著李友專進行研究，現在已成為助理教授，是橋接計畫的最佳範例之一。他發現，學生在研究中，可以學習到資料分析能力，從出基礎的Excel運算，逐步到程式語言，加強資料分析能力。從中也可以看到這項計畫成效，從技術研發真正落實到人才培育。

AI時代來臨，資料運算能力快速發展，機器學習等重要性與日俱增，坊間也越來越多人工智慧速成班的招生資訊，但同時也隱含泡沫化的訊息。

人工智慧必定會刺激跨領域創新人才的產生，但這沒有所謂的速成，而是需要博士班這種扎實的訓練，才能夠突破思考框架、疆界，提升競爭力，並創造全新價值，也才是現今在職場上所需要的高階人才。