醫院資訊長通常扮演什麼角色？當他們橫跨醫學、資訊兩大領域，又會遇上什麼困難？隨著醫院數位轉型的腳步，今年的智慧城市展，不只延續第五屆智慧醫院院長大會，也同步展開第一屆CIO大會——百位醫院資訊長將前來，交流開拓醫院數位疆土的經驗及挑戰。
CIO大會之前，未來城市先行邀請台中童綜合醫院放射科醫師游人達、亞東醫院人工智慧主任蔡義昌對談。想更了解醫院資訊長的角色及任務嗎？先聽他們怎麼說！
未來城市Podcast EP.22｜醫院CIO到底在忙什麼？導入AI找出醫師肉眼也難察覺的病灶！
▹ 未來主持人：未來城市頻道總監 陳芳毓
▹ 未來大來賓：童綜合醫院資訊長游人達、亞東醫院人工智慧中心主任蔡義昌
▹ 訪談精華一次收藏：
童綜合醫院資訊長游人達指出，智慧應用應實踐跨醫院驗證，未來才能保障患者安全。攝影：未來城市編輯部 設計：李芸
亞東醫院人工智慧中心主任蔡義昌認為，CIO也要扮演醫院與產業的媒合角色。攝影：未來城市編輯部 設計：李芸
Q：兩位跨入醫院資訊長的背景，其實很不一樣？
游人達：十歲時，我媽媽就送我去程式夏令營，讓我很早就愛上寫程式；大學時，我架了網站、教寫網頁，結果有一家公司希望我幫他寫網站——這是我第一次出道創業。寫程式寫了好幾年，直到進醫院實習才停下來；所以，其實我寫程式的資歷比當醫師還久。
蔡義昌：我是這幾年才從資訊業跳入醫療界，過去，我都坐在醫師的對面當病人。後來，我發現醫師總是很忙、很難聊天；加上過去從事資訊人才培育工作、已連結製造業、服務業等產業，唯獨感覺醫療業隔了一層紗。所以，當有機會能進到醫療產業，我便很想了解醫師如何思考、資訊系統又如何進入他的日常。
Q：醫院資訊長的任務是什麼？游醫師要看門診、又要當資訊長，該如何分配工作呢？
游人達：一開始我兩邊都做，結果蠟燭兩頭燒，一下子就燒完了；所以，後來就專心做資訊業務。因為我同時擁有醫療和資訊專長，才想選擇一條更專心、發揮更大價值的路，透過資訊工作來提升系統，就能服務到全院的醫師及病人。
目前，我負責的工作是研發與創新，必須改善就醫流程、提升病人體驗、開發人工智慧的服務設計等。
整體而言，我認為CIO有個特質，就是必須融合人性和科技，藉此達成目標。此外，CIO也要不斷學習，才能追上最新科技應用。所以，目前醫院找的CIO大多分成兩類，一是會寫程式的醫師，例如我；二是懂醫療產業的科技人，就像蔡主任。
Q：醫生跨界擔任資訊長，有什麼優勢？
游人達：我本來是醫師，因此熟悉第一線的痛點。此外，資訊同仁與醫師溝通時，通常姿態較低、較費力；但我像是與同儕對話，態度較平等，這可能也是醫師跨界的優勢所在。
Q：蔡主任從資訊業跨到醫療界，又有哪些優勢？
蔡義昌：以亞東醫院資訊處的經驗來看，其實，CIO蠟燭兩頭燒還有一頭——就是產業。CIO的I可以分為三個字，第一個是最基本的information（資訊）；第二個intelligent（智慧），因為實現智慧醫療一定要數位化；第三個就是industry（產業），因為醫院經費拮据，且醫院規模很大，不可能什麼都靠自己，我們必須推動與產業合作。
與產業溝通也很重要，因為，外部廠商和醫師有許多合作，但也有不少認知落差；當醫院內部人員與醫師溝通都有阻礙了，外部與院內溝通更容易變成雞同鴨講。這時，我就能扮演居中的角色，提高合作效率。
Q：醫院推動AI應用，會從哪些領域開始落實？
游人達：我是放射科醫師，也投入放射科AI應用。舉例來說，放射科醫師每天要看幾百到幾千張影像，就算是一般人，一次看這麼多影像，難道他不會恍神嗎？所以，我行醫十幾年來，深刻體認到人體非常複雜、醫師也不是萬能，再小心都會犯錯；而且，若有醫療疏失，就要負擔非常重的責任。所以，我當資訊長時，就想藉此讓病人更安全。
蔡義昌：以亞東醫院的案例來看，有位醫師開發了檢查氣胸X光的AI應用。因為有些氣胸範圍小、難察覺，病人上午在這裡看不出來，下午氣胸裂開、到別家醫院又找出來——這時就會出現醫療糾紛，這也成為醫院開發AI應用的契機。
Q：現在醫院幾乎是一科一AI，且概念驗證（Proof of Concept）的效果看起來很好，但要如何與醫院原本的系統介接、讓醫師願意使用呢？
游人達：我們的AI系統其實已經上線，但一開始較不準、仍要訓練；藉由增加案例數量，三個月後會變得比較好。
在前期，AI「偽陽性」較高，醫師常常認為AI是「狼來了」，看半天也找不到異常，反而變成干擾。但這是不得不經歷的階段，因為AI若不夠靈敏，就無法找出醫師漏看的細節。目前，我們都與醫師溝通、請他們包涵，因為AI仍在「嬰兒期」，現在你教它、以後它幫你，有些醫師就較願意接受。
蔡義昌：如同游醫師所說，AI仍是嬰兒期，加上AI與一般軟體的發展歷程不太一樣——軟體會越改越好，但AI是藉資料訓練，難以知道前後版本為何變好或變差，也難以談準確度；因此，開發、使用者都需要更有耐心。
游人達：深度學習技術剛興起時，國外AI大老就曾說，幾年後放射科醫師會失業，但為什麼至今都沒發生？因為如剛剛所說，AI還在嬰兒發展期。也因如此，醫師不太放心，且不少AI應用都在第一關就被打回來、不易存活。所以，我們認為目前的方向是——AI不是取代，而是輔助，人機互動就能做得更好、更安全。
此外，AI是資料驅動的黑盒子，我們很難掌握訓練成果；但現在也有AI可視化等新技術，能判斷AI透過哪些資料判斷有疾病——這也能提高醫師對AI的信任感。
Q：部分醫院的智慧應用案例，也會訓練不同模型，再互相比較、優化，以免不同時期的病人資料、醫師使用習慣不同，影響AI判斷。該如何建立一套通用的產業標準呢？
蔡義昌：不同模型能不能在不同醫院通用呢？產業化就可以。因為，產業化代表代表通過FDA、TFDA認證；反觀還在醫院內的智慧應用，就會有許多法規限制。只是，想跨越這條線、邁向產業化，就像跨過一條大鴻溝；我認為，醫院研發成果與產業的介接，能幫智慧醫療產品找到新出口，但仍需要許多投入。
目前，醫院內的應用案例，通常使用內部資料，若到他處應用，就容易產生「水土不服」的情形。因此，我們現在有兩種做法可以改善：
第一種屬於集中式，各家醫院把資料丟到衛福部，未來我們就用這些資料來訓練模型，現在已經有許多類似計畫。
第二種是聯邦學習，由各醫院分別訓練模型，但資料仍留在醫院。
未來，也許我們能發展中間型態的作法，例如亞東和童綜合兩家醫院合作，資料量多、多樣性也夠，就會形成中間型態的做法。
游人達：此外，也要注意醫院內的資料偏移（data shifting）狀況，例如，現在使用的A廠牌抽血機，隔幾年換成B廠牌抽血機，就可能出現資料偏移。
Q：國外是否有克服人為因素、資料偏移等AI問題的案例？
蔡義昌：荷蘭有一家公司，做了許多電腦斷層（CT）的硬體設備，後來嘗試發展相關AI軟體；儘管他們強調，這套設備每家都能通用，但仍在說服階段。所以，這個現象很難避免。這也是為什麼我們需要資料工程師，透過不同經驗、發覺不同遺棄的偏差，再矯正回一個共識，以免做出四不像的產品。
Ｑ：以第一線的觀察，台灣醫院的智慧醫療目前進展到什麼階段呢？
游人達：我覺得，亞東就發展得非常不錯，也有許多疾病AI模型。但我覺得，我們仍要把這些應用當成產品，並做到醫療器材認證——且最好做到跨醫院驗證，未來商業化、形成商品時，才能確保它在每家醫院的表現都是一致、平均的，才能保障病人的安全。
聽懂未來：關於智慧醫療，我還想知道更多⋯⋯
未來城市給你更多知識補充包！
・智慧醫院院長大會來了！醫策會董事長林啓禎找新解：人性的整合最重要
・「沒有病人的名醫」台大雲林分院副院長馬惠明 如何把偏鄉變智慧醫療示範城？
・生技醫藥產業發展條例修正通過，七大重點一次看
・台灣智慧醫療下一步怎麼走？2021BTC生技會議提出四大建議
・錯過這次，新「護國神山」恐淪醫療代工！——台灣需要怎樣的醫療AI軟體建設？
想聽更多未來城市Podcast節目？
・首播時間：每個月第一、三個週一的傍晚五點。
・頻道搜尋：天下雜誌Podcast頻道「聽天下」，或關注未來城市網站「未來城市Podcast」系列內容。
