[天下雜誌]

過去2個月，在巴黎開業的婦產科醫師卡雅爾（Veronique Cayol），正進行她的GPT-4的初體驗。

一頭捲髮，在看診空檔接受《天下》視訊採訪的她解釋，不管患者是視訊看診，還是現場檢查，一款她正在測試，名為「Copilot」（副駕駛）的AI應用程式，都可以把她和病人的對話即時打成逐字稿，再濃縮為疾病症狀、過去病史、診斷結果、處方內容等欄位，經她確認後直接上傳電子病歷系統。

Copilot把文字濃縮為病歷的能力，正是來自於大型語言模型（LLM）GPT-4。

卡雅爾觀察，因為法國醫師人力不足，病患看診等待時間冗長，甚至被迫換醫師，因此愈來愈多患者會請醫師提供當次看診的病歷紀錄或轉診單，讓他們之後方便找其他醫師接手。要問診又要做檢查的卡雅爾，不堪其擾之下，因此決定把打病歷的工作交給Copilot。

「我最喜歡的是，我可以專注的看著病患，不用一邊看電腦做紀錄。」她語帶興奮地說。

有趣的是，這個剛被《紐約時報》報導的熱門醫療程式，其概念的誕生地，竟是在南台灣，鳳梨田環繞的嘉義中正大學。

當年中正大學唯一外籍生，寂寞想和機器人說話

Copilot的母公司，巴黎新創Nabla的共同創辦人羅畔（Alexandre Lebrun）畢業於法國名校巴黎電信學院碩士班。

專攻認知科學和軟體工程的他，同時也在學中文，2000年來到台灣，成為中正大學當時唯一外籍生，直到現在，他依舊對台灣東海岸的景色念念不忘。

過去23年，羅畔3次創業，都是在不同領域打造AI助理。這個想法就來自於嘉義求學那半年，隻身來台，有點寂寞的羅畔一直在想，如果機器可以跟人對話，那該有多好？回到法國，他立刻開始實踐這個概念。

第一次創業，他成立VirtuOz，要做商用版的Siri，輾轉併入微軟。第二次，他做的AI自然語言介面公司則被臉書買下，他也進入臉書AI研究部門，和首席AI科學家楊立昆（Yann LeCun）共事，這位舉世知名的AI大師，也成為羅畔創辦的第三家公司Nabla的顧問和投資人，該公司主攻醫療領域的AI應用，團隊成員有多位來自臉書AI研究部門。

「我們真正想解決的問題，是醫師人力不足，」人在法國視訊受訪的羅畔解釋，因為人口老化之後，慢性病的照護需求逐漸增加，但他想幫醫師省下每天花在寫病歷、保險申報等行政作業時間。

若按照OECD 2019年統計，每萬人口之執業西醫師人數，法國近32人，遠多於台灣的21人。但跟台灣最大的不同的是，法國規定要先看家庭醫師再轉診。今年初，法國總統馬克宏才在演講中承諾，遲遲等不到家庭醫師的慢性病患者多達60萬人，至少年底前一定要幫他們找到醫師或轉診團隊協助。

Copilot上線至今，美國、法國兩地加起來約數百位醫師開始使用，歐洲最大的私立醫療集團之一也正規劃啟用。目前，包括卡雅爾在內的醫師多半是免費試用，但羅畔正在規劃由醫院按使用患者人次收費，每人0.5美元起跳。

請GPT寫病歷紀錄，AI醫療應用新熱點

請AI寫病歷，只是GPT-4在醫療應用的新熱點之一。

頂尖醫學期刊《新英格蘭醫學雜誌》（NEJM），3月底刊出的「GPT-4用於醫學AI聊天機器人的優勢、侷限和風險」，就深入分析GPT-4的三種可能，其中包含把醫病對話的錄音整理成簡要的醫療紀錄，而且還能自動生成計費代碼、檢查單、處方箋等功能。

這份由包含微軟研究院負責人Peter Lee等3位作者撰寫的論文，用的也是微軟旗下Nuance的前一版Dragon Ambient eXperience（DAX），跟Copilot同樣是語音辨識整理成病歷資料。差別是，DAX整理完的資料還要經過品管期，確保內容無誤。3月20日，微軟和Nuance才宣布，將推出DAX Express，升級為全自動的GPT-4版本。

請GPT幫忙寫病歷，得先克服腦補「幻覺」

羅畔在病歷紀錄上看到的商機，也是台灣的機會嗎？

最明顯的挑戰，就是台灣的醫師常用中文、台語問診，用英文寫病歷紀錄，林口長庚醫療人工智能核心實驗室主任郭昶甫認為，這樣的語言隔閡確實是AI模型的一個大問題，但「終究會解決。」

郭昶甫觀察，請AI幫忙醫師製作病歷的想法，早在2020年就有研究出現，因為在美國很多醫師不會自己打病歷，而是請專門的醫療打字員（medical transcriptionist）聽錄音打成文字，所以請AI代勞的嘗試「早就在做，只是效果好不好而已。」

效果，指的就是精準度。因為GPT最可能影響醫療品質的問題，就是生成錯誤資訊的「幻覺」問題。NEJM在3月底刊出的那篇文章也提到，DAX在整理醫病對話的過程中，就憑空生成了一項BMI數字，「未來GPT-4應用中，應把處理幻覺、遺漏和錯誤等機制包含其中。」

這是當前生成式AI技術的最大缺陷，面對GPT-4的幻覺，羅畔也不敢大意。

GPT-4能聽懂長對話，閒聊、改口都能正確紀錄

為什麼要使用GPT-4？羅畔解釋，其實Copilot起初用的大型語言模型並不包含GPT，但他發現，GPT的注意力機制（Attention Mechanism）解決了當時的難題。

簡單來說，注意力機制就是讓輸入的資訊帶有不同的權重，最後更容易解讀文字的語境，配對出關鍵的訊息。羅畔舉例，如果醫師問患者「會不會對蜂蜜過敏？」患者當下說不會，但隔了幾個話題後才想起，自己會對蜂蜜過敏，這樣的對話結構，Copilot也能成功辨識，靠的就是這個機制。

卡雅爾證實，即便是近20分鐘的醫病對話，「很不可思議的是，我跟病人聊假期、逛街、聊孩子，Copilot都不會把這些放進最後的病歷紀錄。」而最終的摘要內容，「很少」需要修正。

為了讓GPT精準解讀診間對話裡的醫學名詞，Nabla也經醫病雙方同意後，蒐集了3萬則私人診所的看診對話錄音作為訓練素材。羅畔解釋，Copilot的準確度高達99%，因為每一次醫師修改Copilot整理的內容，Nabla團隊都看得到，可以因此調整精準度。

類似的想法，也正在台灣萌芽。

台灣版即將上線

中國附醫人工智慧中心主任許凱程解釋，其院內打造的「小南護理語音助理」，就是用上千筆的中英文語音資料、護理交班現場的實際語音資料等作為訓練資料，交給Whisper AI去做微調之後，錯誤率約7%。

除了AI輔助護理交班之外，他和團隊也正在用Whisper AI連結GPT-4做病歷紀錄的整理，預計一個月後全面上線。

同時是神經科醫師的許凱程舉例，像是初診病患就需要至少20分鐘的問診時間，但如果可以先用GPT來做，就可以節省許多時間。

「很多醫病關係是在對話中建立的，」許凱程說，有了GPT輔助節省下來的時間，醫師就更可以跟病患噓寒問暖，不用一直眼睛盯著螢幕，「可以扭轉這樣一個趨勢，也是相對的好處。」

即便如此，GPT要正式進入臨床作業，作為醫師看診的副手，仍有許多疑慮。

仍須由醫生親自確認，還得兼顧隱私權

因為醫師法第12條就提到，醫師執行業務時，應製作包含主訴、診斷、用藥處置等項目在內的病歷資料，「並簽名或蓋章及加註執行年、月、日。」

謹慎署名，就是因為一旦產生醫療糾紛，病歷紀錄也有法律責任的歸屬問題。羅畔強調，這也是為什麼設計Copilot時，一定要由醫師看過所有內容後，親自確認上傳。

此外，Copilot的設計，也讓所有醫師確認上傳完病歷資料後，當下就立刻刪除，不保留任何紀錄，就是因為要符合美國健康保險與責任流通法案（HIPAA）和歐盟GDPR等隱私規範，徹底避免敏感病歷資料、個資外洩的疑慮。「我們可以做得更多，但我們想先跟顧客建立互信，」羅畔說。

但更大的難題是，對照法國醫師的人力缺乏，台灣的醫療環境有沒有足夠的需要和誘因，鼓勵醫師和醫院導入GPT應用？而容易產生幻覺的GPT，能不能真的幫醫師分憂解勞，讓醫病關係充滿溫暖，也許很快會有答案。