【ChatGPT先行者經驗：中國附醫AI中心副主任游家鑫】先從熟悉領域下手，下一步要優化技術文件

生成式AI大爆發，各種ChatGPT研討會、工作坊前仆後繼出現，各行各業都想用ChatGPT加速轉型、勝過同業，但同時，鋪天蓋地的新技術討論也引發焦慮。如何降低這份焦慮感？「先從手邊題目做起，」中國醫藥大學附設醫院AI中心副主任游家鑫回答。他開發不少醫療AI應用，著名案例有細菌抗藥性預測模型，最快1小時就能預測，是中國附醫近年的醫療AI代表作，也獲國內外不少獎項。

這不是醫療業第一次面對新技術爆紅。游家鑫指出，過去，卷積網路（CNN）興起時，醫療業大力擁抱，發展出許多醫學影像判讀AI，甚至連圖靈獎得主Geoffrey Hinton都說，5年內就能停止對放射科醫師的訓練。儘管他的預測並未成真，卻能看出醫界積極成為新技術前期採用者的決心。這次面對ChatGPT洶湧崛起，醫療業亦是想贏在起跑點。

「參加研討會、工作坊是一種降低新技術焦慮感的方法，」但游家鑫認為，一些具體問題如新技術前期適用範圍、如何下手等，很難在幾場會議中得出結論。因此，最快的孰悉方法還是「從手邊題目做起，思考新技術能如何改善既有流程，取得初步成功後，再透過分享、交流，將新技術應用於其他領域，」他總結。

從熟悉領域下手，改善文獻查找和會議記錄

他第一次嘗試ChatGPT，是在今年春節。游家鑫發現，網頁版ChatGPT資訊摘要和分析的表現出色，很適合用來優化文獻查找工作。

因為，在醫療資訊研發領域，開發者常接觸跨專科或次專科領域，為理解這些領域，就得使用美國國衛院（NIH）維護的PubMed搜尋引擎，來查找相關文獻。該引擎以關鍵字為檢索依據，只會篩出帶有關鍵字的文章，這就導致，跨領域的資訊難以被搜尋到，再加上研發者不一定兼具跨專科知識，若想透過關鍵字搜尋，來蒐集專案題目素材，就很容易受限。

於是，他嘗試ChatGPT，發現ChatGPT可快速將主題相關資訊陳列出來，使用者再將其中的關鍵字，輸入PubMed搜尋文獻即可。甚至，當使用者發想專案題目、還未有清晰的輪廓時，可在ChatGPT輸入一段文字或一個問題，得到相關醫學說明，提供發想點子，使用者再透過PubMed查證即可。如此一來，ChatGPT就成為題目發想的好工具。

不只優化文獻查找，同一時間，游家鑫也思考用ChatGPT來優化線上協作工具。當時，OpenAI還未推出ChatGPT API，於是他先採用OpenAI另一款媲美GPT-3的text-davinci-003 API，以及語音轉文字模型Whisper API，將這2個API串接至微軟Teams協作平臺，來改善會議記錄流程。

因為，以往開研發會議時，團隊總得撥出一人，來記錄會議重點。但透過上述2項API，可先將會議語音即時轉為文字，再透過Davinci API，來摘要會議重點，如此省下大量人工記錄時間。經過1個多月使用，這項決定也證實，會議能開得更有效率。

在熟悉領域取得初步成果後，游家鑫與中國附醫AI中心成員分享經驗，彼此進一步將ChatGPT延伸至專業領域。

延伸至護理記錄、病歷摘要與程式效率優化

比如，他們嘗試用ChatGPT來優化護理記錄。工作原理與上述會議記錄相似，但為保護資料隱私，中國附醫AI中心先下載Whisper模型原始碼，先以預訓練模型的版本，來將護理師口述的護理記錄，轉為文字檔，再透過ChatGPT摘要重點。

但護理記錄涉及專業術語，預訓練模型的語音辨識準確率，只有70%左右。後來，團隊用護理記錄資料重新訓練Whisper模型，發現新版模型準確率提高至94%，有了準確的語音轉文字能力，就能更準確摘要內容。這是中國附醫嘗試成功的案例之一。

另一個例子是，團隊用ChatGPT來摘要病人病史和醫囑，好讓醫師快速掌握病人概況。在這個嘗試中，團隊只取與病人個資無關的病史和醫囑記錄，如用藥說明等，複製貼上至網頁版ChatGPT，來產出約150字的簡短摘要。他們設想的情境是，當醫院湧入大量病患或出現緊急患者，又或是醫師交班時，可透過該方法快速理解病人情況。不過游家鑫指出，在這項實驗中，ChatGPT產出的摘要可能出錯，並非總是正確的。

除了在臨床業務試水溫，中國附醫AI中心也用ChatGPT，來提高程式效率。比如，團隊執行程式時，偶爾會在後臺發現，某些程式耗能較高。為找出問題，他們將某段程式碼貼上ChatGPT，請ChatGPT優化，以此找出有問題的某幾行程式碼。經測試，程式執行效率可提高30%。

下一步：程式開發、技術文件撰寫和跨域溝通

有了這些成功經驗，中國附醫團隊進一步思考，ChatGPT還可在哪些應用場景發揮效益。他們想到的一類場景是程式開發，依使用對象分為2種情境，一是針對無IT背景的臨床醫師，醫師可透過ChatGPT輸入指令、生成原型程式，再快速測試這支程式，可行後再進行後續調整，以此加速專案試驗。游家鑫雖未加入該專案的討論，但他透露，目前有不少醫師感興趣。

另一類情境是針對程式開發者。比如，資淺的工程師可透過ChatGPT，快速產生初步的程式模板，後續再加入資料路徑或模型參數等資訊即可，減少往返詢問、瀏覽Google或Stack Overflow尋找解答的時間。又或是，資深工程師可善用ChatGPT，來輔助撰寫程式碼註解，作為未來智慧醫材取證的技術文件之一，加速與法務人員的溝通。

不只如此，中國附醫也觀察到，ChatGPT用於醫學論文編修和翻譯的可能性。游家鑫表示，為實現醫學知識的傳播，一直以來，都仰賴具醫學專業和翻譯專業的領域專家們，花費大量時間編撰醫學叢書。但透過ChatGPT，可大幅縮短這個流程，他舉例，網路上有人實驗，ChatGPT一晚能完成600頁原文書翻譯，後續只需數小時的人工校訂，就能產出品質不錯的醫學叢書。

反過來說，臺灣學者在撰寫醫學論文時，往往得花費時間和金錢，請編修社來翻譯、編修論文。若透過ChatGPT先潤稿，也許能降低作者與編修社的溝通和修訂成本，而討論的內容，也更能聚焦在更深層的議題。

不過，對游家鑫來說，ChatGPT還有個很重要的潛在應用場景，也就是跨領域溝通。「臨床醫師有其專業，」他表示，研發人員與臨床醫師溝通時，未必能馬上理解彼此的專業術語或想法，若透過語音轉文字API，即時將語音轉為文字，再透過ChatGPT翻譯、摘要或解釋，就能讓跨領域的會議成員，立即知道對方想法，讓會議討論更有效率，也更能解決問題。

游家鑫坦言，這波生成式AI大浪衝擊許多產業，也帶給管理層不少焦慮。身為管理層一員，他認為，降低這份焦慮的最好方法就是動手做，先從熟悉領域或手邊專案做起。比如，他將OpenAI的2支API串接至Teams，就是先用來改善手邊工作效率，同時讓團隊感受新技術的好處，進而激發更多討論。這些討論，可將新技術帶往更多領域，擦出更多可能的火花。

 更多相關報導