跨領域人才推動數位醫療-科學人雜誌
人工智慧

跨領域人才推動數位醫療

2021/08/06 阿特曼 ( Russ B. Altman ) 、卡沙爾 ( Amit Kaushal )
若想成功把人工智慧應用於生物醫學領域,我們需要培育兼容兩種領域知識的創新者


近年來從大眾媒體到大型醫學會議,處處可聽到人工智慧(AI)將為生物醫學領域帶來革命性巨變的承諾,這意味似乎我們很快就可利用AI系統從遠端辨識誰會生病、下診斷(不需要醫生!)、服用AI設計的個人化藥物,然後利用AI控制的自動駕駛車立即送藥給病人。


如果這真的是未來景象,那麼我們離它恐怕還很遙遠。沒錯,科技進步飛快,AI領域中一個成長快速的子領域是深度學習,10年前多數資訊科學家對它可能還很陌生,現在它已使電腦能從胸腔X光影像判別肺炎,或透過病歷判斷病患的健康是否惡化。我們不清楚未來幾十年又會出現什麼樣的演變或革新來帶動AI進展,但我們知道數位醫療的突破,除了仰賴科技進步外,更需要培育能推動這些發展的人才。


要把電腦演算法的進展轉化為生物醫學領域的突破,需要縝密考慮兩個領域的知識,並且在多層面上共同努力。例如一項新科技的真正功用為何、哪些功用只是媒體炒作?哪些生物醫學問題最可能獲益於新興電腦計算能力?利用新科技開發的生醫應用程式,要如何轉換成真正能改善人類健康的系統化措施?這些涉及多層面且頗具挑戰性的問題,需要跨領域的團隊來回答,團隊成員應包含AI專家和生物醫學專家,但最重要的是領導者必須能激勵並引導這些多樣化人才。


和其他AI應用領域不同的是,生物醫學失敗的後果很沉重。對一家社群媒體公司來說,AI模型若無法有效增加廣告點閱率,他們能很快察覺並在一天內改善。然而應用在醫學上時涉及人命,若對AI應用了解不足,很可能造成傷害,例如提供錯誤的診斷或醫療建議,而且有些失敗較難察覺,例如訓練AI演算法的資料帶有些微偏見,導致AI提出帶有種族偏見的建議,由於生物醫學的複雜度和許多AI演算法的高深莫測,這樣的缺陷可能在幾年後才會被發現。無論是學術界、製藥實驗室或新創公司的團隊領導人,不僅必須了解這些技術與科學問題,更需明確評估並傳達因應研發產品可能帶來的風險、益處和影響。


我們需要跨領域人才來開發醫學AI系統以改進醫療照護。事實上藉由解決技術問題來鼓舞人們並不難,但要使這些突破性技術發揮用途,往往需要與許多錯綜複雜的因素角力,其中牽涉法律規範、經濟考量以及醫療體系的工作流程等問題。成功的領導者一定要對AI和生物醫學領域皆有深厚知識和靈敏直覺,但我們現在嚴重缺乏具有這種多元能力的人才。


若要確保生物醫學AI長遠成功,解決人才缺口至關重要。它的首要挑戰是所有相關領域的知識必須長期培養,費時甚長,然而更大的難題是這兩個領域解決問題的方法可謂南轅北轍,資訊科學需定量嚴謹的數學、統計學和工程學,而生物學的基礎卻是演化的偶然產物,不管從字面或具象上來看,生物特性是活生生的。我們尋找的學生需要有靈活的才智,有意願和熱情接受冗長且截然不同的訓練,我們的要求是否不切實際?


然而這樣的人才的確存在,而且人數還在增加中。第一種訓練方法是找出對生物醫學或資訊科學有豐富知識的學生,然後幫助他們熟悉另一個領域。從1980年代起,生物醫學資訊研究所(碩士、博士和醫學博士)課程肩負了這項工作,吸引背景多元的學生並發展成不同學科:計算生物學、生物資訊學、臨床資訊學和生物醫學數據科學等,這些學科都與資訊科學在生物醫學領域的各種應用有關。然而是否可讓學生在對知識的直覺仍未定型前趁早接觸這些學科呢?這就宛如成年後開始學習第二語言和從小生長在雙語家庭的差異一樣,趁早開始學習就能如母語般流利。2001年我們在美國史丹佛大學工學院設立了生物醫學資訊科學系,大學部畢業生修習的資訊科學和統計學課程都是以生物學與醫學為背景而獲得理學士學位,對於應用電腦來解決生物醫學難題已有深刻的認識。我們的學生和醫科學生一同修習生物,並和未來將在矽谷工作的同學一起修習資訊科學,每名學生必須完成一項長達2~3學期的研究計畫。因此學生不僅能拓展生物醫學和科技知識的廣度,還能在較為專精的應用研究中獲得深度。此外,學生必須修習至少一門科技對社會和倫理影響的課程。


我們訓練生物醫學及資訊科學跨領域的大學生迄今近20年,可以肯定這項計畫是成功的。許多畢業生進入學術界、臨床醫學領域、新創公司(生物領域或其他領域)、大公司、律師事務所、創投公司等。這個跨領域科系持續吸引性別均等(50:50)的男女學生,極少工程類主修科目能有這樣均衡的比例。


對大多數學生來說,這個跨領域科系形塑了他們的職業特質,他們不是「AI人從事生物工作」或是「生物人從事AI」,而是兩類知識和諧共存於他們腦中並相互交流。當然,在短短四年內(甚至40年)是不可能學習所有生物醫學和資訊科學的知識,但他們能在生物學和資訊科學兩種領域自由遊走,並把所學的深厚技術應用於生物學和人類健康範疇裡最困難的社會挑戰。


除了研究所課程,發展堅實的基礎大學課程並統合生物醫學和資訊科學,能讓處於學習形成期的學生把這些極為不同的學科兼容並蓄,這樣的教學計畫可加速人才培育,應用AI來改進生物學和醫療照護。


# 關鍵字:人工智慧數位醫療AI NEXT
更多文章
活動推薦更多
追蹤科學人