中醫大附醫率先採用醫療專科級MedLM來打造AI輔助醫師，第一步從癌症治療規畫AI助手開始

中國醫藥大學附設醫院（中醫大附醫）院長周德陽今天宣布，將採用Google新發表用Med-PaLM 2打造的MedLM模型，來發展AI輔助醫生，先從醫生用的客製化癌症治療指引Chatbot，和提供化療問答集的病患Chatbot開始，後續還會發展更多專科AI助手。中醫大附醫是亞洲第一家採用這款醫療生成式AI模型Med-PaLM 2的醫學中心。

中醫大附醫這幾年積極推動醫療HIS改造，今年連續獲得美國HIMSS數位健康指標評比的全球智慧醫院前三強，這兩年也一直投入醫療AI發展，例如結合敗血症風險預測AI、細菌抗藥性預測AI和個人抗菌圖譜打造出智抗菌平臺。

去年12月，中國醫藥大學附設醫院研究副院長李光申看到Google研究團隊在自然雜誌發表了Med-PaLM的研究成果，就開始關注後續發展。今年中，李光申受邀到美國Google總部參訪後，雙方決定展開合作。

Google在2022年發表了第一代醫療生成式AI模型Med-PaLM，可以達到美國醫生認證考試60分及格水準，今年中更發表了第二代Med-PaLM 2，可以達到85分的水準。李光申指出，這個分數代表了Med-PaLM 2達到哈佛醫學院前10%學生的能力，也相當於專科醫生能力的水準。這也是中醫大附醫採用Google Cloud醫療LLM其中一項原因。

周德陽補充，通用性LLM，沒有辦法達到專科醫生等級的回答。例如眼瞼下垂可能是哪一條腦神經出現問題？一般通用LLM多半回答，可能是第三對、第四對、第六對這些與眼睛相關的腦神經有問題，但Med-PaLM 2可以更清楚回答，眼瞼下垂是第三對有問題。

主導Med-PaLM研究的Google研究傑出科學家暨資深總監Greg Corrado也親自來臺發表這項合作，他表示，過去沒有一款LLM通過美國醫生考試，Med-PaLM是第一個，今年的第二代更達到85.4分的等級，「通過考試不見得代表可以執業，但可以看出這項科技的潛力，可以學習新的醫學知識，來優化它的推理能力。」

Google的Med-PaLM模型訓練上，在基礎的語言模型上，使用了少量，經過授權取得的醫療專門資料進行模型微調，來強化對醫療領域的能力。Greg Corrado強調，模型發展過程，也一再確保，「沒有運用到隱私或個人病患的資料來訓練，來兼顧實際應用時的隱私和合規考量。」

因為第一代Med-PaLM模型還不是立即可用的技術，所以，Google新發展出了一項醫療生成式AI模型產品MedLM，使用了PaLM 2等一系列的基礎模型，來打造出適合醫療產業使用的LLM。

Greg Corrado表示，MedLM是一款傘型架構的產品，不會只使用一個模型，而是會整合多種模型，也需要結合實際醫療人員的知識和經驗，讓這個產品可以安全的運用到實際場所，中醫大附醫是這段旅程其中一家夥伴。

「現在是醫療AI的轉型時代，要勇敢大膽，但同時要負責任，這正是Google發展GAI得原則。」他強調，MedLM的定位，不應該用於任何醫療照護的直接決策，而要是用來協助受過專業訓練的醫生，在醫護人員的監督下，用AI協助他們完成工作。

Google Cloud醫療照護全球總監Ashima Gupta表示：「用AI輔助，有助於改善醫療資源不平等的問題。」她認為，要發展生成式AI策略，需要先有一套數據資料策略和好的基礎架構，但是，醫院往往因為法規，系統相容性，資料隱私和安全性的問題，無法快速採用新科技。Goolge醫療AI產品線未來希望能提供一個世界級合規架構，不只提供雲端基礎架構、TPU等硬體，也包括了醫療照護資料引擎，透過開放平臺，協助醫院將醫療資訊標準化，讓醫院更容易採用這些基礎模型。

李光申表示，中醫大附醫在11月時已開始測試MedPaLM 2模型，也將採用MedLM產品，Google新發表的Gemini模型未來成為MedLM可用模型後，也會採用。

第一階段，中醫大附醫計畫打造兩款Chatbot，一款是給醫護人員使用的客製化癌症治療指引的專業用Chatbot，另一款是提供病人詢問的化療問答集Chatbot。

例如，乳癌2期的病人有賀爾蒙問題，如何安排治療？Med-PaLM 2可以在幾秒鐘內提供回答，甚至提供了專業醫療文獻的參考。「速度快到讓我們的醫生非常驚訝！」李光申強調。不只如此，AI生成的治療建議，有些甚至超乎了醫生的想像，醫生會實際確認這些文獻，作為治療安排的參考。

李光申表示，中醫大附醫治療的癌症種類很多且雜，其中不少是罕見癌症，每一個病患的情況都不同，過去，醫生得花很多時間，為病人量身打造專門的癌症治療計畫。「改用AI協助治療計畫的訂定，可以減少不少時間，讓醫院可以服務更多的病人。」他強調。

目前中醫大附醫先取得Med-PaLM 2模型的使用權，來進行文字生成式內容的測試。測試時，以檢索增強生成（Retrieval-Augmented Generation，RAG）作法，參考國際癌症治療指引和中醫大附醫院內的癌症治療指引，來生成治療指引的回答。未來，也考慮以指令工程的方式，將臺灣健保規則輸入到LLM，來優化回答的內容，更符合臺灣情況。

中醫大附醫擁有300萬人次的結構化醫療資料，過去幾年打下很好的資訊基礎建設，例如採用雲原生技術、資訊中臺架構設計，也導入了Google Anthos混合雲架構。李光申，也因Google在臺設有機房，醫院較容易符合主管機關合規要求，而考慮採用Google的AI。

李光申表示，中醫大附醫已經打下了很好的基礎建設，未來，不會建置自己的超級電腦硬體，而是會借助雲端運算資源，來訓練自己的醫療大腦。運用中醫大附醫龐大的結構化醫療資料，來發展更多領域、科別，不只臨床也包括門診的醫療輔助AI。