國防醫學院三軍總醫院外科部胸腔外科主治醫師、教學型主治醫師
蔡遠明
AI人工智慧於醫學教育之運用與挑戰
近年來，人工智慧(Artificial Intelligence，AI)的興起，加快許多產業的發展。AI經由電腦學習、推理及感知可做出與人類相似或更好的判斷技巧。而隨著AI在醫療領域的應用日益增多，除了對醫學教育帶來了新的挑戰，同時也逐漸改變外科手術的實施方式，另外在護理實務中，也將改變原有的管理、臨床實務、教學、政策與研究。現在進行式中的AI改變了醫學及護理教育的多個面項，其提高醫師的診斷能力和治療效率外，更為醫師、護理師照護團隊在患者的病情評估上提供更多的資訊。然而，AI的使用也帶來了一些挑戰，例如：醫生需要學習如何使用這些技術，以確保它們的應用是安全和有效的。同時，醫生還需要學習如何解釋人工智慧系統的輸出，以確保它們是進行正確的診斷和治療。
AI人工智慧的進步與深度學習技術的確已經改變了外科醫學的實踐方式。在臨床實務中，醫療相關數據可快速且大量地在AI科技中被紀錄且使用，這可做為臨床人員在決策時候的參考，以加速臨床工作的進行。而深度學習技術是一種機器學習，通過分析大量的醫療數據，幫助醫生更快地確定最佳的手術方案。舉例來說：在腦部虛擬實境系統或機器人輔助手術系統，AI技術可以通過模擬手術過程，幫助醫生理解手術的過程和技術，協助外科醫生更精確快速地完成手術，藉此提高手術的成功率和安全性。而在筆者所從事的胸腔外科，需經常使用胸部電腦斷層來評估肺部疾病，若發現毛玻璃狀病灶或肺內腫瘤時，需進一步評估癌症的可能性。目前已有醫院導入「肺部影像輔助判讀軟體」智慧醫療平台，以AI科技輔助肺部小結節判讀，其可以加快判讀速度、減少失誤，讓早期肺癌無所遁形。此外，在診斷工具上雖然可使用支氣管鏡來協助切片診斷，但傳統的支氣管鏡檢對於位置在肺部外側三分之一，同時直徑小於2公分的病灶診斷敏感度低，其診斷率差異變化大，約為18-62%。雖然影像學導引經皮穿刺切片的診斷率可達到 90%，但因為氣胸發生率高，同時可能發生張力性氣胸、血胸、空氣栓塞等致命併發症，不適合使用在有明顯肺氣腫、大肺泡疾病、病灶旁有肺血管或中心病灶的患者。透過導航支氣管的數位重建氣管及血管3D圖像，可避開血管導航至結節周邊，再經由系統選擇的穿刺點，將器械穿刺出氣管壁，並在X光引導下直達病灶位置。未來AI系統可以自動識別呼吸道內的結構，並在即時情況下提供導航信息，因此可以縮短學習時間。利用AI輔助穿刺點的選擇更可精準導航定位切片，這樣一來可以有效減少切片診斷過程中的誤差，並提高診斷的精確度。
這些AI技術的應用不僅改變了外科的實踐方式，也帶給了醫學及護理教育新的挑戰。例如：在教學中融入AI，可發展出創新的課程。目前已有使用AI偵測教學時學生的情緒反應，確保在不同情境下學生能做有效的學習。情緒分析可使教師了解學生在學習過程下的情緒變化，之後更能依照學生感受，制定更符合學生的教學內容，使學生能有效率地學習。既然AI同時存在著學習、分析及修正錯誤的能力，身為臨床工作者或是教育傳遞者，我們又該如何因應呢？
- 新增(融入)AI課程
為因應臨床實務使用AI與教育現況的落差，可以在醫學院校的課程中開設相關課程，使醫師或醫學生瞭解這些技術的基本原理和應用方法。此相關課程在2022歐洲醫學教育學會 (2022 AMEE)中亦有被提及與介紹，使用AI融入課程，可為學生提供接觸新興科技的機會。與傳統的教學方式相比，在學習環境中運用AI，可加速認知、心理運動、組織學習。運用虛擬實境的人工智慧於教學過程中，可以使學生更能了解實際情況，在未來面對實際情境時反應更為靈敏迅速。
- 重視倫理議題
AI的運用過程中，可能會侵犯到隱私、合法性等醫學及護理倫理，若使用不當將出現違反倫理道德的情形。近來，聊天機器人ChatGPT運用生成式AI，模仿真人回應使用者話語，不僅掀起科技倫理議題，也涉及大學課程教學與學術倫理等事項，因此引發廣泛討論。故建議在課程中應加強數據素養、技術素養、系統思維、批判性思維、人工智能演算法、人工智能的倫理影響以及大數據集分析的科技倫理課題。
- 加入研究團隊
醫學教育工作者應該親自監督AI的開發運用，彌補開發與實際使用之間的落差，因為AI可以幫助醫學教育工作者更有效地組織和管理教學資源。善用AI技術更可以全面性分析學生的學習需求和進度，並根據這些結果提供適合的學習內容和方法。而在臨床上，作為決定哪些技術是可由AI科技輔助應用於實務之中，以確保AI的開發有符合臨床實務需求。如此一來方可讓AI新科技符合臨床工作人員執行照護工作所需，而非臨床工作者來適應AI的介入，以提升可用性及展現臨床專業特色。
隨著AI技術的進展，醫學教育工作者的角色正在改變，而AI與醫學教育的結合是一個重要且有挑戰的議題，需要對醫學教育課程進行相對應的調整和更新。AI所產生的主要影響在：教學方法的改變、教材的開發、評估方法的改變及專業發展。因此我們除了要重視AI的相關知識和技能，更要將傳統的醫學教育結合AI，以確保醫生及整個照護團隊在之後能夠充分利用AI技術的優勢，繼續提供高質量的醫療服務。
參考資料
- Robert, N. (2019). How artificial intelligence is changing nursing. Nurs Manage, 50(9), 30-39.
- Buchanan, C., Howitt, M. L., Wilson, R., Booth, R. G., Risling, T., & Bamford, M. (2021). Predicted Influences of Artificial Intelligence on Nursing Education: Scoping Review. JMIR Nurs, 4(1), e23933.
- de Koning, H.J., van der Aalst, C.M., de Jong, P.A., Scholten, E.T., Nackaerts, K., Heuvelmans, M.A., Lammers, J.J. et al. (2020). Reduced Lung-Cancer Mortality with Volume CT Screening in a Randomized Trial. N Engl J Med., 382(6), pp.503-513.
- Gex, G., Pralong, J.A., Combescure, C., Seijo, L., Rochat, T. and Soccal, P.M. (2014). Diagnostic yield and safety of electromagnetic navigation bronchoscopy for lung nodules: a systematic review and meta-analysis. Respiration, 87(2), pp.165-176.
- Mano, L. Y., Mazzo, A., Neto, J. R. T., Meska, M. H. G., Giancristofaro, G. T., Ueyama, J., & Júnior, G. A. P. (2019). Using emotion recognition to assess simulation-based learning. Nurse Education in Practice, 36, 13-19.
- Naik, N., Hameed, B. M., Shetty, D. K., Swain, D., Shah, M., Paul, R. et al. (2022). Legal and Ethical Consideration in Artificial Intelligence in Healthcare: Who Takes Responsibility? Frontiers in Surgery, 9.
