影像醫學是大數據與人工智慧(Artificial Intelligence, AI)在醫療照護應用的重要領域，「AI 與醫療大數據」為北美放射學會(The Radiological Society of North America，簡稱RSNA，是世上最大、最具影響力的醫學學會團體之一)2018年年會最重要的主軸，該年會有關 AI 與大數據應用在醫療影像的重要結論如下：
一、AI將賦予醫師更大能力以提供更好的醫療照護，但並未能替代醫師工作。
二、AI演算效能已被認可，但應用成功的關鍵在於與醫院既有工作流程之整合。
三、大數據是支持AI技術發展的關鍵，但數據取得需耗費大量有形及無形成本，並需考量隱私保護，各界正亟思透過演算、感測等技術與途徑加以克服。
醫療影像人工智慧之未來：全面影像照護
年會中勾勒未來25 年影像醫學的發展願景與應用情境 “全面影像照護(total imaging care)”(如圖一所示意)，透過整合目前影像、早期影像、實驗室檢驗、手術或檢驗結果、理學檢查、病患基本資料、病患基因及風險因子等診斷數據的資料中心，醫師可以收集與瀏覽整個以病患為中心的數據，並在影像處理與整合、待辦工作優先順位排程、自動化警示、自動產出影像檢查報告等各式AI工具協助下，進行病患照顧決策。以工作順位排程為例，AI以病患各式數據自動產生病患診療優先順位建議，協助醫師快速的決定工作順位，可即時關懷病患，並與病患有效的進行溝通；在自動化警示功能方面，可提醒醫師追蹤檢查工作；而透過AI分析自動產出影像報告內容，可以讓醫師更快速掌握患者的各項檢查數據。
從以上的應用情境來看，醫師最需要的並非最尖端且超越醫師的AI技術，而是可以整合既有各式資料的介面，以及將AI工具導入醫療場域，以紓解目前醫療現場亟需人力的情形。
AI 定位於輔助醫師，而非取代醫師
AI在醫療影像應用目前主要在於協助醫院與醫師提供患者更好的醫療照護，而非替代醫師，這是醫師意見領袖與AI意見領袖的重要共識，值得我們省思AI與人類在醫療領域的定位與分工，進而研議AI醫療技術的開發策略與目標。或許將AI定位為診斷輔助或流程效能提升的重要工作夥伴較為適宜。由於人工智慧與機器學習已被放射醫學領域的專家認可為影響放射醫學未來 10 年重要的科技項目，未來這些AI技術如何與醫院既有工作流程(work flow)整合，將是持續關注的重點。
備註：北美放射學會 (The Radiological Society of North America, RSNA) 舉辦之年會為全球該領域具代表性與規模的活動，2018年活動於11月25日到 11月30日於美國芝加哥舉辨，大會包含研討會與展覽兩個區域，吸引數萬名專業人士參與，包含放射學家、產業界專家、公部門研究人員、專科醫師及相關醫務人員等。除了放射醫療各分科領域外，大會特闢AI與醫療數據專題研討場次，就醫療影像AI的未來發展、AI應用技術發展、產業應用案例、醫療影像大數據建置實務、AI數據發展的公眾共享等進行研討。
以人類為中心的人工智慧 (資料來源: 李飛飛教授, RSNA , 2018)
