生成式 AI（Generative AI）在各領域掀起旋風，被認為也可望有發展機會的醫療應用，業界坦言，相較於判斷式 AI 的標準答案，生成式 AI 需克服法規監管問題，短期內可能在患病關懷、病歷 / 報告生成書寫、遠距醫療的初期篩選等，較是可能的應用場景，未來能否新藥臨床開發，才有更具突破發展可能。
長佳智能研發長王帝皓指出，生成式AI在醫療領域的發展，算是逐步往前的，目前包括文字照片、影像、聲音等領域，都已有人著墨，近期比較新的是在細節的突破，例如更為仿真的手指等，不過，對比於目前仍為醫療應用主流判斷式AI的標準答案，生成式AI並非產出「有或沒有」的絕對答案，在醫療上較難被監管，成為現階段還較難成為醫療主流的主因。
不過，王帝皓也認為，即便監管問題還待突破，但生成式AI仍會對醫療產業產生意義，包括在病患關懷、縮短病歷與報告書寫時間、遠距醫療的初期篩選等，可以協助醫護人員處理相關流程上，更為精準與流暢，仍是醫療上可以應用的場景。只是他也坦言，國際上有很多計畫嘗試中，但尚未看到堪稱成熟的產品。
創投業界亦認為，雖然像是醫療數據新創公司Syntegra去年第一季完成募資，國內數位病理與醫療影像新創公司雲象也在去年10月底完成A+輪的募資，但其實市場仍在關注類似新創公司未來得以營利的商業模式。
業界認為，目前AI在智慧醫療領域最被廣泛應用的，還是在取代大規模重複性的行政工作或診斷，新冠肺炎疫情雖加速了在與遠距醫療的發展，不過這部分仍牽扯醫院組織文化、各國政府與醫療保險給付規範等的整合，還有很多地方有待突破。
而國際科技巨擘則是期待生成式AI在新藥臨床開發上的進展。最知名的Google母公司Alphabet旗下人工智慧公司DeepMind，透過類神經網路快速預測與生成合理的蛋白質序列，未來計劃向新藥公司出售或租賃其蛋白質成功模擬的AI技術，加速新藥臨床開發。計畫用於協助新藥開發公司發展藥物與蛋白質序列的結合，但獨立成立新藥研發公司後，市場仍在關注其後續具體發展。
王帝皓也說，雖然短期生成式AI在非醫療核心或需被核准的醫材類，較有發展空間，但長期判斷式AI與生成式AI也有結合機會，例如長佳智能開發從腦部電腦斷層影像判讀是否有出血或腦部病兆的技術，就可結合生成式AI將影像自動產出成放射學報告，大幅增進醫師判讀效率與輔助提升診斷率。
（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）
科技新報粉絲團
加入好友
訂閱免費電子報
