簡介
人工智慧(Artificial Intelligence, AI)是最近幾年最熱門的科學發展了。各行各業，各個領域，都在講AI。從簡單辨識圖片中的貓、狗，到人臉辨識、蘋果手機中的Siri語音助理、特斯拉(Tesla)的自動駕駛電動車以及Google的世界圍棋冠軍AlphaGo。在在都顯示出AI具有強大的能力，經由適當的訓練及發展，可以做得比人類更好。
隨著AI的發展及成熟，現在許多人類的工作將被取代，或是工作的內容將被改變。包括生產線的工人、司機、總機人員、記者，甚至作家、老師、律師、醫師等專業人員，都會受到AI發展的影響。因此，醫學教育(Medical education)也必須與時俱進，從教師、學生到課程，都必須再重新規劃，才能因應時代的潮流。美國Association of Academic Health Centers的主席Dr. Wartman SA. 甚至說，醫學教育光是改革(Reform)是不夠的，必須重開機(Reboot)才行。從根本開始改變，才能真正設計出適合21世紀的醫學教育。

AI時代醫師須具備的能力
在1980年，Clark AC提出”Any teacher who can be replaced by a machine should be!”。意思是說，若這個教師的能力可以被機器取代，那他就應該被取代。因此，教師若只是念課文，那就會被取代。所以教師必須轉變角色，發展多元化的教學方法，例如使用生動的教具、case based discussion等。
在AI時代，也有人提出“Any doctor who can be replaced by a machine should be!”。醫師在醫療行為中的某些角色將被AI削弱或取代，醫師也必須發展新的能力、扮演新的角色，才能在這充滿AI的環境中生存。AI時代的醫學教育，就是要教育這些醫學生及醫師，了解自己未來將扮演的角色，預做準備。在AI時代，醫學教育必須教授以下能力，以培養AI時代的醫師：
 積極參與AI系統設計(Being proactive in AI system design)：醫學生必須學習基本的醫學資訊學(medical informatics)以及基本的AI設計原則。這樣將來才能跟AI工程師溝通合作，確保設計出來的AI醫療系統，符合醫學及倫理的要求。
 與AI診斷系統一起工作(Working with AI diagnostic systems)：醫師須學習與AI醫療系統一起工作，學習利用此系統，提供病患最高品質的醫療。所以醫學生必須開始學習這些AI醫療系統，熟悉這些系統。就好像熟悉一些醫療工具例如聽診器的使用一樣。
 與AI系統溝通(Communicating with AI systems)：醫師須學習與AI系統溝通的方式，利用語音或書寫的方式，輸入有用的資料。AI系統才能根據輸入的資料，產生有用的資訊。醫師也必須學習data-mining的方法，才能從big data中，找出真正有用的資訊，而不是只會使用search engines。
 深入的諮詢及相關活動(Deeper counselling and related activities)：醫師與病患之間的溝通，將會愈來愈被重視。醫師必須學習更深入有效的溝通方式，詳細解釋各種醫療行為將如何進行，各種選擇的好處或壞處。醫師若不學習深入的溝通技巧，那就可能被諮詢師或是AI機器人取代。
 教導新的醫療AI (Teaching new medical AI)：AI系統必須經由學習、訓練，才會愈來愈成熟，愈來愈精確，才能提供高品質的醫療，這需要一位好醫師來教導才能成功。在AI發展的歷史上，有被教導成功的AI，也有被教導失敗的AI。Google的AlphaGo是成功的案例，AlphaGo在2016年擊敗世界圍棋冠軍韓國職業棋士李世乭，引起世人的重視。棋聖聶衛平甚至說，人類要打贏AlphaGo唯一的機會，就是切斷電源。微軟(Microsoft)的Tay，就是個被教導失敗的AI。Tay是設計成在Twitter上與人對話、學習，結果Tay被Twitter使用者，教導成具有種族歧視、性別歧視的AI，微軟急忙把Tay下架。所以醫師必須學習如何教育AI，人工智慧才能從Artificial Intelligence to Artificial Wisdom。才能真正建立對人類有益的AI醫療系統，提升人類福祉。

AI的限制與風險
AI的快速發展，不僅為各個領域帶來進步，同時也帶來風險。AI 系統會依據我們提供的的資料，去分析、延伸、嘗試歸納、解決，並應用到現實狀況。就像好的老師，才能提供好的教育，教出好的學生；AI系統也需要有人提供正確、有效、安全的資料，才能發展出正確、有效、安全，對人類有益的AI系統。 IBM的超級電腦華生(Watson)，曾經被用來發展癌症的治療。但由於提供給華生AI系統學習的資料不夠真實、不夠正確，導致華生學習結果錯誤百出。華生建議給癌症病患的治療，經常都是錯誤的，使得IBM必須重新發展。上一段提到的微軟的Tay，則是因為沒有注意到倫理原則而失敗。因此，一個好的AI系統，尤其是醫療AI系統，需要工程師、醫療人員及教育專業人員共同合作，才能成功。

結論
AI在未來將影響我們生活中的每一個層面，醫學及醫學教育自然不能免除於外。我們有責任把自己、把醫學生及醫師都教育好、準備好，在這個充滿AI的未來，扮演適當的角色，提供人類最高品質的醫療！


References:
1. Masters K. Artificial intelligence in medical education. Med Teach. 2019 Sep;41(9):976-980. doi: 10.1080/0142159X.2019.1595557.
2. Wartman SA, Combs CD. Medical Education Must Move From the Information Age to the Age of Artificial Intelligence. Acad Med. 2018 Aug;93(8):1107-1109. doi: 10.1097/ACM.0000000000002044.
3. Wartman SA. Medical education needs a reboot!! 2016 Mansbach lecture. Presented at: Eastern Virginia Medical School; October 5, 2016; Norfolk, VA. http://www.aahcdc.org/Portals/41/Publications-Resources/Presentations/AAHC%20Presentations/Medical-Education-Needs-Reboot.pdf
4. Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, Thrun S. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017 Feb 2;542(7639):115-118. doi: 10.1038/nature21056.
5. Tafti AP, Badger J, LaRose E, Shirzadi E, Mahnke A, Mayer J, Ye Z, Page D, Peissig P. Adverse drug event discovery using biomedical literature: a big data neural network adventure. JMIR Med Inform. 2017 Dec 8;5(4):e51. doi: 10.2196/medinform.9170.
6. Vincent J. 2016. Twitter taught Microsoft’s AI chatbot to be a racist asshole in less than a day. The Verge [Internet]. https://www.theverge.com/2016/3/24/11297050/tay-microsoft-chatbot-racist
7. Sang-Hun C. 2016. Google’s computer program beats Lee Se-dol in go tournament. New York Times [Internet]. https://www.nytimes.com/2016/03/16/world/asia/korea-alphago-vs-lee-sedol-go.html
8. Ross C, SwetlitzIke I. 2018. IBM’s Watson supercomputer recommended‘unsafe and incorrect’ cancer treatments, internal documents show. STAT [Internet]. https://www.statnews.com/2018/07/25/ibm-watson-recommended-unsafe-incorrect-treatments/