2016年日本東京醫科學研究所利用Watson系統診斷病情惡化的血癌病人，在眾多頂尖醫師束手無策的情況下，Watson利用大數據資料及病人基因，在10分鐘內給出正確的診斷。2016年《自然》刊登人透過工智慧診斷皮膚癌的精確度勝過皮膚專科醫師。醫學影像，亦開始大量使用AI技術判讀。總總AI在醫療運用成果，讓人無法漠視AI技術，對醫療產業產生反思—醫師是否將被AI取代？

AI降低醫療的不確定性

諾貝爾經濟學獎得主Kenneth J. Arrow提出醫療不確定性有兩個面向，一是疾病發生的不確定性，另一項則是治療效果的不確定性，但是感性層面上病人是無法接受治療過程中有不確定性存在，病人希望透過醫師獲得一個肯定的診斷並給予對應的治療。

傳統診斷是根據醫師個人過去診斷流程，聽病患主訴、理學檢查(視診、聽診、嗅診、叩診、觸診)產生眾多初步診斷假說，進一步做抽血檢驗、檢查，縮小疑似診斷範圍。醫師們經過無數次的診斷，將過去腦海中的知識、疾病模式、病患臨床症狀與數據，進行交叉匹配、分析，做出直覺式的經驗診斷。我們無法否認，有些名醫診斷出奇神準，然而，只要是人皆有忽略某些細節的可能性，而人類的經驗中時常存在認知偏誤。認知偏誤可能導致判斷不精準，在醫療上時常會發生誤診的情況。

在處理醫療不確定性與避免疏失，利用AI發展的醫療決策輔助系統將醫師診斷的流程標準化，藉由逐一病患檢驗、檢查結果資訊越來越多，發生某種疾病的機率就會越來越高，例如當有一個病人出現呼吸困難、咳嗽、發燒等症狀，可能的疾病會有肺炎、肺結核、SARS、氣喘等這麼多種，系統會將症狀、CXR診斷、痰液培養診斷等檢查結果進行計算，在貝氏定理的理論之下，當你有一個初始機率再加上一個新的證據，診斷準確的機率將上升，因此最後AI系統可顯示病患得到細菌性肺炎的機率超過九成以上，醫師客觀地做出診斷，更有信心進行後續的治療計畫。

醫學的確是需要AI進行輔助診斷，像是即時預警系統，利用大數據分析，自動擷取病人生理訊息會同電子病歷中關鍵字，並與最新醫學資訊比對最新治療方案，提供智慧警示的功能，給予醫療建議，不僅降低醫療上的不確定性，亦可以取代醫師進行重複性工作，有助於改善醫療品質。

人文變數是AI無法取代醫師的關鍵

人類在正確率、速度、記憶、知識累積和變數分析等方面無法勝過AI，但是醫療並非只是冰冷的數據資料，有許多的人文變數是AI無法處理和給出答案的，例如癌症病患是選擇積極手術治療或是以考量生活品質的安寧照護，這將是最高級別決定權利，是需要醫師和病患及家屬面對面溝通、討論，而不是面對AI提供冰冷的概率數字。

醫師就職宣言中「我將要最高地維護人的生命，自從受胎時起」這是對病患生命的尊重和使命感。醫師的重要任務在於維持一個有尊嚴、有品質的生命。AI現階段只能做到維持生命的判斷，如果用AI取代醫師，最後結果很可能是所有的人類在臨終之前都裝上葉克膜。AI是醫師的未來好夥伴，給予多元可能性的提醒與建議，但是AI絕對無法取代醫師。