![中國附醫AI中心副主任游家鑫(中)指出,擁抱新技術的最快方法,就是從手邊專案先做起,取得初步成功後,再分享、交流,進一步擴大應用至其他領域。(圖片來源/游家鑫)](https://s4.itho.me/sites/default/files/styles/picture_size_large/public/field/image/960-xiu_-tu_1-zhong_guo_fu_yi_-tu_pian_lai_yuan_-you_jia_xin_.jpg?itok=SgWZ-_D3)
中國附醫AI中心副主任游家鑫(中)指出,擁抱新技術的最快方法,就是從手邊專案先做起,取得初步成功後,再分享、交流,進一步擴大應用至其他領域。(圖片來源/游家鑫)
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。
熱門新聞
2024-08-28
2024-08-26
2024-08-30
2024-08-26
2024-08-27
2024-08-24