「如何精準定義『老』？」日前，在由國立陽明大學和臺北榮民總醫院聯合舉辦的「超高齡社會AI應用論壇」上，陽明大學高齡與健康研究中心主任陳亮恭向與會者拋出這個難題。
陳亮恭指出，為了更精準地了解老化過程，陽明大學、臺北榮總、宏碁電腦與日本團隊合作，自今年展開四年一期的跨國研究計畫，結合過去的生物資料研究成果和「人工智慧」技術，分析宜蘭兩千多位50歲以上長者的生物醫學資料，希望從中找出「老」的表徵和關鍵因素，再應用到醫藥領域上，協助解決人類老化過程中可能面臨的問題。
人工智慧近年在許多領域上表現亮眼，而目前在醫療領域上常見的應用從辨識皮膚病灶、病理切片、影像報告等，到分析論文、找出和某種疾病有關的基因或蛋白質，甚至可以根據醫師輸入的病患數據和表徵給予診斷建議。不過，陳亮恭提醒，人工智慧在醫療領域有其可行與不可行之處，「要有合理的期待。」他說。
AI眼力、體力完勝醫師，可解讀巨量資料
陳亮恭分享，近年興起的「數位病理學」，就是以人工智慧技術協助辨識皮膚病灶、病理切片和影像報告。相較於人眼從染色後灰成一片的組織中辨識正常與不正常細胞的困難度，機器不會看花、也不會累，在眼力和體力上戰勝醫師。
陳亮恭指出，到了2020年，醫師要讀的論文數量約是目前的200倍，但偏偏81％的醫師在過去一個月裡只有5個小時可閱讀。所以，若使用統計學的「統合分析」（meta-analysis，多用於文獻回顧）結合人工智慧，就能快速取得多篇論文的對照結果。
他舉IBM Watson（使用自然語言來回答問題的人工智慧系統）為例，傳統上人類須透過程式語言和機器溝通，但IBM Watson可直接讀取人類以自然語言寫成的論文，並自動依照提問做整合分析，再提供具體建議。此外，它也能依據醫師輸入的病患症狀給予診療建議，經國外研究證明，IBM Watson和全世界頂尖醫師做的診斷相去不遠。
AI可協助醫師診斷腦部疾病
傳統上，要判斷一個人是否得到帕金森氏症，須經由醫師透過臨床表徵來判斷，而非透過核磁共振的結果。陳亮恭說，判斷一人是否得到帕金森氏症的黃金標準，是在患者死後進行大腦解剖，觀察其大腦特定部位的萎縮程度。他舉美國知名神經醫學雜誌的研究為例，醫師解剖已過世的帕金森氏症患者大腦，再對照患者十年前剛發病時的臨床紀錄，發現只有26％的患者在當年被即時確診。
最近，他以70位帕金森氏症患者的全腦影像作為資料庫，再輸入30位剛確診的帕金森式症患者全腦影像，透過人工智慧的演算分析，診斷正確率高達七成多。雖然全腦影像並非帕金森氏症的診斷依據，但透過全腦影像結合人工智慧的診斷正確率，遠高於醫師透過臨床診斷的結果。
AI無法為醫療疏失負責，醫師無從得知推論過程
然而，目前AI在醫學領域的應用仍有侷限，如下：
首先，當人工智慧在講求精準的醫療領域裡做了錯誤判斷，該由誰負責？「不能把它砸爛，也不能告它。」陳亮恭說，它畢竟不是人，無法像人一樣負起行為責任。
再來，人工智慧可協助影像判讀和巨量資料分析，但人工智慧會直接告訴醫師判讀的結果，醫師通常不知道人工智慧如何推論出這個結果，以致醫師無法完全採信，因為推論過程便是關鍵所在。「人工智慧的演算法就像黑盒子一樣，你不知道它究竟看到了什麼。」陳亮恭說。
陳亮恭上周和拍過廣告也播過新聞的日本機器人Erica聊天，打算問到最近話題十足的世界盃足球賽時，一旁三位工程師連忙舉手，表示Erica還無法回答這個問題。儘管開發商希望將Erica打造成一個無所不聊的機器人，但照目前資料庫的水準看來，似乎還有一大段距離。
人工智慧用於醫療上也是相同道理，陳亮恭表示，陽明大學會與日本進行跨國研究計畫，也是因為日本高齡化的時間較長，且蒐集資料較為完整，經互相交流和測試，可以得到較好的結果。
AI協助探索醫學未知領域
醫學領域對疾病的研究不脫離歸納、分類、預測、分析等大框架，而要從已知知識中提出新的假說，不僅是人類要努力的方向，人工智慧也需在知識快速更新的時代持續自我學習。
人工智慧如IBM Watson可以做出趨近於頂尖醫師的診斷，但陳亮恭強調，打造一個像IBM Watson的人工智慧不是他們的目標，儘管這在技術上是很大的突破。取而代之，他們希望透過人工智慧分析大量數據，從中找到老化過程的關鍵生物指標，像是一些過去沒想過但和特定疾病關係甚密的特殊基因或蛋白質，再將這些生物指標帶回實驗室，驗證蛋白質的運作機轉和新藥的發展方式，進行後續的學術研究和專利開發，協助患者面對未來老化可能面對的挑戰。
陳亮恭說：「雖然還有法規和資源的限制，但在可預見的未來，人工智慧對醫療的發展將會產生巨大影響。並不是要用機器取代人類，而是用人工智慧和人類一起創造新的知識。」這些新的醫藥知識，可能破解某些老化疾病的關鍵密碼，幫助人類在老化過程中過得更加自在，或許將是未來高齡社會的一大福音。