美國《新聞週刊》（Newsweek）「全球最佳醫院」評比委員會主席貝茲（David Bates）於「第二屆亞太醫療品質年會」進行線上專題演講。他是哈佛大學醫學院教授，同時擔任麻省總醫院布萊根醫療體系（Mass General Brigham）「學習型醫療體系人工智慧與生物資訊中心」共同主持人，對國際醫療評鑑與智慧醫院發展具高度影響力。
在參與全球最佳醫院評選過程中，他看見醫院導入AI智慧醫療的最新現況，於此次演講中對AI發展趨勢提出獨到見解。
住院不良事件率23.6%，醫療其實相當危險
一開場，貝茲請大家思考：「在研究科技能為醫療做什麼之前，必須先正視醫院環境與醫療行為本身所伴隨的危險。」他直言：「很多人以為醫療是安全的，但如果把醫療和其他複雜的人類活動相比，醫療其實相當危險。」
他以核能、歐洲鐵路與商業航空等高風險產業為例，其死亡率至多為每十萬人中一人；但住院病人的死亡率卻近乎每千人就有一人，風險程度與高空彈跳或登山活動不相上下，「這遠遠超過一般人的認知。」因此貝茲認為，醫療中任何關於AI的應用都應先從「安全」的角度出發，避免設計不良的科技，變相提高醫療風險。
貝茲與研究團隊分析美國2809例住院病例，發表於《新英格蘭醫學期刊》（NEJM）的研究便指出，23.6%的住院患者至少曾發生一次不良事件，換言之，幾乎每四人就有一人遭受某種形式的醫療傷害。此外，門診照護情況同樣不理想：約7%的門診病人，曾經歷至少一次不良事件，「這種數字讓人不太舒服，但如果不先看見問題，就不可能改善。」
除了死亡率，醫療傷害也經常以「不良事件」（adverse event）的形式出現，美國醫院中常見的傷害來源，包括院內感染、不良藥物事件、深層靜脈血栓與肺栓塞、手術傷害、壓瘡，以及跌倒等事故，這類事件未必立即致命，卻會影響病人的預後。
現階段醫療AI最成熟三大強項
近年來，美國醫療體系積極導入AI，期望以更系統化的方式提高醫療成效，儘管仍存在失準風險，AI已逐漸發展出明確的強項。
例如AI記錄員已是臨床醫師的得力助手，貝茲指出，「環境式臨床紀錄系統」（Ambient Documentation System）可在醫師看診過程中，自動聆聽並生成病歷紀錄，使用此類系統的醫師，其倦怠感能降低20%，「疲憊的醫師更容易出錯，而過度的文書負擔，也會壓縮醫師與病人互動時間。」
此外，AI在影像判讀方面同樣具優勢，特別是在辨識靜脈栓塞高風險病人方面。當醫師使用AI分析診斷影像或檢查報告，能更有效率找出高風險族群，進而提出個別化治療建議，包括是否使用抗凝血藥物。
AI的優勢也體現在協助醫療機構建立電子化臨床品質指標（eCQMs）。透過電子健康紀錄（EHR）與病人健康數據，以機器可讀、標準化方式即時呈現醫療表現，並透過風險調整後的住院天數、併發症率等指標，醫院得以更透明地呈現品質成果，回應社會期待的醫療資訊公開。
不過，貝茲也提出務實的挑戰。醫院在導入eCQM時，是否需要調整既有工作流程或資訊系統？新建置的eCQM又能否與其他EHR系統整合並互通？都仍有待醫療體系在實際運作中進行測試與整合。
看好未來「處理新型態醫療傷害」
談到未來趨勢，貝茲指出，減少不良藥物事件，是AI潛力相對高的領域，特別是在事前辨識高風險病人方面。此外，壓瘡偵測也是AI的潛力之處，透過感測器監測床墊濕度等細微變化，能補足臨床照護人員的盲點。
貝茲更看好，AI最大價值或許是處理「新型態的醫療傷害」，例如未被即時發現的病情惡化，或因誤診而延誤治療。這類狀況可能造成嚴重後果，卻難以透過傳統方式有效預防，「這才是機器學習真正能發揮作用的所在。」
理想的AI可大幅降低人為風險
貝茲以Google母公司Alphabet旗下無人駕駛計程車Waymo為例，根據Waymo公布的資料，在相同地點運行時，Waymo的嚴重事故率比人類駕駛低91%，受傷事故更降低95%，顯示在理想狀態下，AI確實能為人類活動帶來實質助益。
儘管醫療場域的複雜程度遠高於交通系統，只要設計嚴謹、評估透明，且持續監測，AI有機會大幅降低人為風險，提高醫療安全。「如果所有美國駕駛的表現都能跟Waymo一樣，每年將可避免數以萬計的傷亡。」
儘管AI的介入有助於降低醫療傷害，貝茲提醒，這並不能完全保證醫療安全，有時甚至會引入新的風險。
AI是安全萬靈丹？導入後仍需持續監測
貝茲以美國曾廣泛部署的Epic敗血症預測模型為例，該模型原本設計用於及早發現致命的血液感染，但後續大型評估顯示，系統對高達五分之一的病人發出警示，實際發生敗血症的病人卻只有12%。大量的錯誤警示導致醫護人員產生警示疲勞，也削弱了對預警系統的信任。
他強調，AI模型需要在地驗證，並持續監測其表現，「醫療機構導入AI工具必須慎選，也要有機制確認它們真的在發揮作用。」
整體而言，貝茲對AI抱持謹慎樂觀的態度。他強調，醫療機構導入AI時，必須以風險考量為前提，且同步投資於人才培育、運算基礎建設與法規治理架構，才能讓AI在醫療中發揮最大的實質貢獻。
