https://www.ted.com/talks/eric_topol_can_ai_catch_what_doctors_miss?utm_campaign=tedspread&utm_medium=referral&utm_source=tedcomshare

https://www.ted.com/talks/eric_topol_can_ai_catch_what_doctors_miss

臺大醫院院長 吳明賢

飛機早上5:30到波士頓機場，馬上趕到會議中心換裝參加今年美國內科醫學會年會的開幕典禮，安排如此鐵人行程主要是開幕演講的貴賓Eric Topol是鼎鼎大名的醫療AI專家，他除了學術著作等身外，暢銷科普書籍《深層醫學》，更是被眾多想了解AI如何影響醫療的必讀入門書。

沒有人會反對AI將智慧協同會將醫療文化演進推到新紀元，Topol教授此次演講著重在醫療診斷，因為每年因診斷錯誤造成死亡或永久傷害的美國人高達80萬人。

第一類 unimodal supervised AI，需要人標註，但發展出的影像診斷，不管是乳房X光、腦部影像或心臟內科的隨機讀片，均有RCT（隨機對照試驗）證實優於普通醫師。更令人驚嘆的是如此開發出的機器眼（machine eye）可以見人眼所未見。不管是腸胃鏡像、心電圖、胸部X光，甚至病理片，大大擴展範圍。光靠AI有所謂的doctorless diagnosis，也衍生不少做human coaching的創創公司。

<aside> 💡 Unimodal supervised AI

Unimodal supervised AI 是指在人工智慧系統中，透過監督學習方法來處理單一類型的數據模態。以下是其關鍵概念的解釋：

1. Unimodal：這個詞語來自於“uni-”（單一）和“modal”（模態），意思是AI模型只處理一種數據模態。例如，只處理文字、影像或聲音，而不是多種模態的組合。在這種情境下，AI系統僅僅依賴單一類型的輸入數據來進行學習和預測。
2. Supervised AI（監督學習）：監督學習是一種機器學習方法，其中模型在訓練過程中使用帶有標籤的數據進行學習。這些標籤提供了正確答案，因此模型可以學習如何將輸入數據（即模態）映射到正確的輸出或預測值。訓練完成後，模型應能夠對新數據進行正確的預測。

在實際應用中，unimodal supervised AI 可以用於多種場景，例如：

• 文字分類：根據單一模態的文字數據來分類文章或郵件（如垃圾郵件識別）。
• 影像識別：根據單一模態的影像數據來識別物體、面孔或場景。
• 聲音辨識：根據單一模態的聲音數據來進行語音轉文字或情感分析。

總結來說，unimodal supervised AI 是指利用監督學習技術來處理和分析單一類型數據模態的人工智慧系統。

4o

</aside>

第二類的 multimodal selfsupervised AI，技術的進步更是一日千里，這一類技術也包括大型語言模式（large language model，簡稱LLM），從一開始的在美國醫師執照考試完勝醫師，最近的研究更進展到鑑別診斷、病歷摘要、臨床推理，均優於醫生。讓人驚訝的是連促進同理心（promote empathy），都比較好，原本我還以為There is no algorithm for empathy，看來我們人類醫生要加油了！

<aside> 💡 Multimodal self-supervised AI

Multimodal self-supervised AI 是指一種在處理多種數據模態時，利用自監督學習方法來訓練的人工智慧系統。以下是其關鍵概念的解釋：

1. Multimodal：這個詞來自於“multi-”（多）和“modal”（模態），意思是AI模型能夠處理多種不同類型的數據模態。例如，同時處理文字、影像、聲音等數據。這種AI系統能夠整合來自不同來源的數據，以便在更豐富的背景下進行分析和預測。
2. Self-supervised learning（自監督學習）：自監督學習是一種不依賴於手動標記數據的學習方法。在這種方法中，模型從數據自身提取標籤來進行學習。具體而言，模型可能會利用部分數據來預測其他部分，從而進行訓練。這與監督學習不同，後者需要大量標記數據。

在 multimodal self-supervised AI 中，模型可以同時從多種模態的數據中學習。例如：

• 結合文字和圖像：模型可以從圖片中預測描述該圖片的文字，或根據文字描述生成相關的圖片。
• 結合聲音和影像：模型可以從影片的視覺部分預測相關的音頻內容，或反之亦然。

這種方法的優勢在於：

• 數據利用效率高：無需大量人工標記數據，模型可以充分利用未標記的原始數據進行學習。
• 提升泛化能力：由於同時處理多種模態，模型能夠從不同的數據源中捕捉到更豐富的特徵，從而提升對新情境的適應能力。

總結來說，multimodal self-supervised AI 是利用自監督學習技術，從多種數據模態中提取信息並進行學習的人工智慧系統，這使得它在多模態數據的處理和綜合分析上具備強大的能力。

</aside>

AI在病歷制作、初步篩檢所有影像、自動對非嚴重狀況的初步判斷、以及工作流程幫我們人類醫生省下來的時間，可以讓我們醫生有更多時間接觸、關懷病友，以促進醫關係合諧，從而改善療效。

最後Topol也總結，雖然醫療AI已經大幅提升能力，但是仍然存在不少推動的阻力，包括不願改變（resistance to change）、給付（reimbursement）、法規（regulatory）、透明度（transparency）、令人信服的臨床實證（compelling evidence）、信任（trust）、落地（implementation），是目前AI在醫療運用叫好不叫座的原因。

Eric Topol 是一位美國知名的心臟病專家、科學家、和醫學研究者，以他在醫療技術與數位健康領域的貢獻而聞名。作為一位領先的醫療創新者，他的工作集中於人工智慧（AI）和數位技術如何改變醫療保健，尤其是個人化醫療和精準醫學。

Topol 教授擁有豐富的學術背景，曾擔任多個頂尖醫學機構的領導職位。他是《深層醫學》（Deep Medicine）等多本暢銷書的作者，這些書籍探討了AI在醫療領域中的應用及其潛力。此外，他還是斯克里普斯轉化研究所（Scripps Research Translational Institute）的創始主任，該機構專注於使用基因組學和數位技術來改善醫療保健。

Eric Topol教授在2024年美國內科醫學會（ACP）年會的開幕演講將於4月18日舉行，主題為「人工智慧如何改變醫學」（How A.I. Will Change Medicine）。作為Scripps Research轉化研究所的創辦人及主任，他將討論人工智慧在醫學領域中的潛力，尤其是如何通過技術創新來改善醫療服務並恢復臨床醫生的時間管理。

Eric Topol 在醫學界被認為是一位具有前瞻性的領導者，他倡導使用科技來提升醫療診斷的準確性、提高患者的治療效果，並改變醫療保健的運作模式。

1.大一課程的確跟醫學沒什麼相關，只有一些服務性的課程以及醫學與人文課程有小小的關聯 2.學長建議如果可以的話，想申請醫學系的話還是建議研究自己有興趣的生物科研題目會比較好 3.學長在了解我們資源不足且有在做ai輔助醫療影像判斷後他建議 (1)可以找個教授，做數據分析之類的，比如流行病學啊，影像判斷其實也可以 (2)學長有分享美國內科醫學年會4月左右Eric topol(有在研究ai與醫療議題的醫師)有分享一些看法。 (3)學長也有分享這個給我，這是台大醫院院長分享的

Eric Topol, a physician-scientist, has expressed that AI has the potential to be the biggest transformation in the history of medicine. Here are some key points on how AI is expected to change medicine:

• Interpretation of Medical Images: AI models can interpret medical images as well or better than human experts. In fact, AI can identify things that human eyes can't see .
• Clinical Outcomes: Although biomedical AI is receiving intense attention and study, we are still early in the era of Large Language Models (LLMs), and there have been no clinical outcomes studies conducted with LLMs yet .
• Transformation in Healthcare: AI has the potential to transform everything doctors do, from notetaking and medical scans to diagnosis and treatment. This could greatly cut down the cost of medicine and reduce human mortality .
• Medical Precision: AI is being utilized to respond to medical challenges, such as the creation of a generative AI model to tackle antibiotic-resistant infections by Acinetobacter baumannii .
• Enhancing Healthcare Humanism: Eric Topol's book "Deep Medicine" explores how AI can make healthcare more human again by potentially reducing the burden on doctors, allowing them to spend more time with patients .
• Empathy and Efficiency: Dr. Topol believes that AI will not only improve efficiency but also enhance empathy in medicine. It can help re-establish empathy and trust between doctors and patients , .
• Tracking AI Developments: AI is poised to broadly reshape medicine, and Dr. Topol has been tracking and sharing key developments in medical AI over the past years .
• Enhancing Medical Accuracy: AI, particularly deep neural networks, has the potential to improve medical accuracy by processing vast amounts of data such as images, speech, and text .

These points illustrate the breadth of the impact AI is expected to have on medicine, from improving diagnostic accuracy to reshaping doctor-patient interactions and reducing healthcare costs.

Eric Topol，一位醫生兼科學家，表示人工智慧有可能成為醫學史上最大的變革。以下是人工智慧預計將如何改變醫學的一些關鍵點：

• 醫學影像的解釋：AI 模型可以與人類專家一樣好甚至更好地解釋醫學影像。事實上，AI 可以識別人眼看不見的東西。
• 臨床結果：儘管生物醫學人工智慧正受到高度關注和研究，我們仍處於大型語言模型（LLMs）的早期階段，尚未進行任何與LLMs相關的臨床結果研究 2。
• 醫療轉型：人工智慧有潛力改變醫生所做的一切，從記錄筆記和醫學掃描到診斷和治療。這可以大大降低醫療成本並減少人類死亡率。
• 醫學精準：人工智慧正被用來應對醫學挑戰，例如創建生成式人工智慧模型以應對由鮑曼不動桿菌引起的抗生素耐藥性感染。
• 提升醫療人文精神：埃里克·托波爾的《深度醫學》一書探討了人工智慧如何通過減輕醫生的負擔，使醫療變得更加人性化，從而讓醫生能夠花更多時間與病人相處 .
• 同理心與效率：Topol 博士認為，人工智慧不僅能提高效率，還能增強醫學中的同理心。它可以幫助重新建立醫生和病人之間的同理心和信任。
• 追蹤人工智慧發展：人工智慧有望廣泛重塑醫學，Topol 博士在過去的 8 年中一直在追蹤和分享醫療人工智慧的關鍵發展。
• 提升醫療準確性：人工智慧，特別是深度神經網絡，有潛力通過處理大量數據如圖像、語音和文本來提高醫療準確性。

這些觀點說明了人工智慧預期對醫學產生的廣泛影響，從提高診斷準確性到重塑醫生與病患的互動以及降低醫療成本。

參考資料

1. Eric Topol：人工智慧能抓住醫生忽略的東西嗎？| TED 演講

2. All Eyes on Medical AI - by Eric Topol - Ground Truths[ 2023年9月15日]

3. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human ...

4. A Big Week in Medical AI - by Eric Topol - Ground Truths[ 2024年3月23日]

5. TED: Ideas change everything[ 2022年9月29日]

6. Eric Topol Talks Empathy, Efficiency, and AI in Precision Medicine[ 2024年4月3日]

7. How algorithms could bring empathy back to medicine - Nature[ 2019年3月11日]

8. AI in health and medicine | Eric Topol[ 2022年1月20日]

9. Topol Charts AI Path to More Accuracy in Medicine | NIH Record[ 2021年9月3日]