醫生要被AI取代了嗎？這款模型預知癌症、阿茲海默，算出逾千種病痛風險—但專家警告AI不可盡信

人工智慧（AI）正加速進軍醫療領域。英國與德國科學家合作，研發出一款新模型「Delphi-2M」，號稱能「預測一個人未來可能遭遇的 1,256 種疾病」，包括阿茲海默症、癌症與心肌梗塞等。《經濟學人》在17日的報導中指出，雖然距離實際應用仍有多年，但這項成果被視為醫學與 AI 結合的重要里程碑，未來不僅能協助醫師提早識別高風險病患，還暗示了疾病之間的潛在關聯，也可能幫助公共衛生單位更精準分配醫療資源。

雖然 AI 帶來醫療變革，但風險與機會並存。獨立記者卡維莎・雅拉加達（Kavitha Yarlagadda）在《日經亞洲》撰文指出，從亞洲到美國，已有案例因「聽信 AI 建議」住院，部分地區更明文禁止 AI 扮演醫師；這也引發對錯誤訊息、隱私以及缺乏監管的隱憂。專家強調，AI 目前對於專業醫療的價值主要在於提供輔助，而非直接取代醫師。

AI 成「預言醫生」，借鑑 LLM 訓練健康預測

Delphi-2M 的相關研究於 9 月 17 日刊登在《自然》期刊，由劍橋的「歐洲分子生物學實驗室」（EMBL）和位於海德堡的「德國癌症研究中心」合作開發。Delphi-2M的靈感來自大型語言模型（LLMs），像是 ChatGPT 的 GPT-5。LLM 透過大量網路文本學習，精準挑選下一個最可能出現的詞彙；研究團隊認為，若 AI 攝取的人類健康數據，也可能具備類似能力，預測病人未來的健康走向。

雖然 LLM 很適合這項任務，但研究人員在開發過程中遇到一個難題：LLM 的字詞是緊接著連續出現，但病歷中的診斷未必如此。舉例來說，若病患在懷孕檢測陽性後數週出現高血壓，這可能影響孕期；但若懷孕檢測陽性與高血壓症狀相隔數年，解讀方式就截然不同。也就是說，研究團隊必須讓模型學會考量病患情況與症狀之間的時間差。

為此，團隊將 LLM 編碼「字詞位置」的機制，改為「病人年齡」的時間軸，讓模型能理解醫療事件的前後關係。 這項設計雖然創新，但也出現烏龍：模型早期版本曾出現「人在死亡後仍被預測出新診斷」的荒謬情況，顯示醫療 AI 訓練的挑戰性。

因果關係越強的事件，預測越準確

Delphi-2M 是以英國「生物樣本庫」（UK Biobank）的 40 萬人數據作為訓練來源，這個樣本庫也被視為全球最完整的人體生物資料庫。模型根據「國際疾病分類」（ICD-10）診斷碼，輸入了 1,256 種疾病的發病時間與順序。隨後，研究團隊以額外 10 萬名樣本驗證模型，再進一步利用丹麥自 1978 年以來的 190 萬筆醫療紀錄進行測試，以確保樣本更具多樣性與代表性。 （相關報導： AI也將「差別待遇」！ChatGPT擬推青少年版，防止機器人害孩童走偏和發生遺憾 ｜ 更多文章 ）

研究人員以「曲線下面積」（AUC）衡量模型表現，1 代表模型百分之百正確；0.5 則表示跟「隨便猜」一樣沒意義。以英國數據來看，Delphi-2M 在 5 年內的診斷預測準確度平均達 0.76；在丹麥數據則稍降至 0.67。若事件具有明確因果關聯，例如「敗血症後死亡」，模型表現相對出色；而隨機性較高的事件（例如感染病毒）則較難掌握。預測能力也會隨時間衰減，當時間拉長至 10 年，準確度平均落在 0.7。

實際應用仍須經臨床試驗，但潛力驚人

目前，Delphi-2M 距離臨床應用仍有一段路。研究團隊表示，模型必須先經過更嚴格的臨床試驗，讓醫師判斷是否真能改善病人治療結果，這過程可能需要多年。研究團隊也正努力更新模型，讓 Delphi-2M 接收更複雜的資料，而不僅限於病歷診斷清單。例如英國生物樣本庫中還包含基因組與醫學影像數據，若能整合進模型，準確率有望大幅提升。

值得注意的是，Delphi-2M 並非唯一的「健康預測 AI」。倫敦國王學院 2024 年推出「Foresight」模型，也能透過病歷預測未來健康事件。然而，因為英國國民保健署未經正式核准，就將數據授權給倫敦國王學院，導致 Foresight 的擴大版計畫在 6 月遭暫停。此外，哈佛大學正在研發的 ETHOS 模型，也同樣以疾病預測為目標。

儘管病患短期內還無法直接受益，科學界卻已將這些模型視為潛在寶藏，為生物學家提供了寶貴線索。Delphi-2M 不僅能揭示哪些疾病傾向會同時出現，還暗示了疾病間存在未被探索的關聯，未來更強大的 AI 模型一定能把研究推得更遠。研發模型的 EMBL 遺傳學家柏尼（Ewan Birney）表示：「我就像走進糖果店的小孩一樣興奮。」

AI 開藥成隱憂，各國祭出禁令

雖然人工智慧帶來醫療變革，但風險與機會並存。印度獨立記者雅拉加達（Kavitha Yarlagadda）在《日經亞洲》撰文指出，像 ChatGPT 這樣的 AI 平台，提供關於疾病、飲食和藥物的資訊，引發醫師、科技專家與病患，對錯誤訊息、隱私及監管不足的疑慮。

雅拉加達稱，AI 的建議有時過時、簡化，甚至忽視患者個別情境，導致自行用藥風險大增。已有案例因聽從 ChatGPT 建議而誤用藥物，最終送醫。若缺乏醫師監督，錯誤處方或不當治療會造成嚴重後果，長期濫用藥物更可能讓身體對藥物產生依賴。隨著 AI 加入這股自行用藥潮流，隱私資料遭濫用、病歷外洩的疑慮也日益升高。

在AI開始走進人們生活的情況下，病人仰賴 AI 工具自行用藥、尋求心理健康支持的情況在亞洲與美國都大幅增加。日本和南韓相繼制定規範，要求 AI 醫療數據必須合規使用。美國伊利諾州更進一步明定，直接禁止 AI 擔任心理治療師或諮商師：若無合格專業人員監督，AI 不得制定治療計畫或評估情緒狀態，違者最高可罰 1 萬美元（約新台幣 30 萬元），反映各界對「AI 醫師」的高度警惕。

AI 是助力，而非替代品

雖有爭議，但各地也在積極測試 AI 的正面潛力。中國清華大學成立「AI 代理醫院」，由虛擬 AI 醫師負責，在 21 個專科領域中進行訓練，診斷準確率達 93%。台灣的中國醫藥大學附設醫院（CMUH）自 2015 年起打造大型資料中心，既能保護病患資料，也能用於 AI 演算法訓練；2017 年成立 AI 診斷中心，目前設有 10 間 AI 門診，每週舉辦跨領域醫師與 AI 研究人員會議，討論新計畫並檢視現有研究進展。

雅拉加達指出，AI 有潛力改變人們的生活，引導大眾做出更健康、更聰明的選擇。在醫療領域，AI 的優勢顯而易見：更快、更準確的診斷；全天候服務、客製化治療，以及在醫師短缺時補位；它還能降低成本，並比傳統方式更早偵測疾病。 （相關報導： AI也將「差別待遇」！ChatGPT擬推青少年版，防止機器人害孩童走偏和發生遺憾 ｜ 更多文章 ）

但疑慮依然存在，當過度依賴 AI 進行自行用藥，可能導致誤診與嚴重健康風險，AI 可能犯錯，或忽略需要醫師專業判斷的細節。最安全的做法，是將 AI 作為專業醫療的輔助工具，而非取而代之。