90秒限時截肢挑戰！《紐約醫情》外科醫生是真有其人—《醫療現場的46個震撼奇想》

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

COVID-19（武漢肺炎、新冠肺炎）肆虐之下，研發疫苗的速度破紀錄，各國開始大規模使用。台灣指揮中心表示，由 Astra Zeneca 與牛津大學合作研發的疫苗，總共 130 萬劑將提供給非聯合國成員，台灣也涵蓋在內。好消息是，台灣也要有疫苗了！

目前看來，這款疫苗的安全性沒有明顯的問題。需要接種兩次，之間間隔數週。之前研究發現，這款疫苗的效果會受到劑量影響；合適運用的話，絕大部分接種者都能獲得足夠的保護力，算是第一流的疫苗。

• 獲得 Astra Zeneca 疫苗之後，台灣又從美國 Moderna 公司買到 505 萬劑疫苗。延伸閱讀：〈第一批武漢肺炎疫苗效果極佳，通過三期臨床試驗〉

疫苗有限，兩類人優先施打

台灣不知道能分到多少，反正一開始人數一定不太多。問題是誰要先打？此一問題沒有標準答案。我個人的最高指導原則是：

減少傷害最關鍵。

武漢肺炎這種傳染病，很容易傳染，而且所有人感染的機率差不多，一不留心，短時間內也能廣傳給很多人；但是不同人感染後的症狀差異非常大，最輕微的跟沒事一樣，最嚴重的卻會死掉。

考慮到疾病的性質，兩大關鍵為：防止傳播、減少殺傷。

因此接種疫苗的順序，兩類人應該優先。一種是老人、過重、有糖尿病、心血管等疾病病史的高風險群。他們受到傷害的機率比其他人更高，若是感染，將會耗用不成比例的醫療資源。保護他們，可以減少傷亡，也能舒緩醫療壓力。

另一種是醫師、護理師等醫療相關的人員。他們接觸到病毒的機率最高，假如感染，更容易傳播出去，而且他們會接觸到的人，不少還是高風險群。

同樣的道理，工作性質會接觸許多人的司機、外送員等等，英文稱之為「essential worker」的工作人員，應該排在醫療相關人員後面。讓這些人接種疫苗，能降低他們得疫後傳播的機率，也能更安心工作，不用每天提心吊膽。

疫苗有限之下，由這兩類人優先，絕大部分人都同意。但是硬是二選一的話，高風險群和醫療人員，又是誰該優先？這個問題沒有標準答案，必需視狀況決定。

防止傳播、減少殺傷、節省醫療資源

台灣今年已經累積 19 人確診的本土感染事件，顯現病毒的傳播能力相當驚人，即使有口罩等防護措施，依然有少數人被成功傳染。要不是台灣習於高強度防疫，以及迅速疏散醫院病患、隔離接觸者的反應速度，可以預期病毒將傳播更廣。

• 註：最終 21 人確診。延伸閱讀：〈桃園醫院台灣本土WARS傳播事件〉

此次傳染的源頭來自照顧患者的醫師，還有幾位被他傳染的醫師與護理師，導致後續傳播。

假如這些醫療工作者曾經接種疫苗，已經具備保護力，那麼大部分確診都不會發生。這就是讓醫療人員優先接種，能帶來的價值。

然而另一方面，假如百密終有一疏，無法完全避免感染，也必需考量減少殺傷力，以及舒緩醫療壓力的面向。

不同人得疫的差別很大，即使光看台灣的紀錄，這 19 位本土確診者，以及數百位境外感染的確診者，都顯示出明顯的差異。少數高風險群需要長期治療，甚至不幸去世；其餘大部分確診者卻是輕微到沒有症狀，不怎麼耗費醫療資源。

例如傳染醫師導致本土疫情的源頭，在美國感染的 812 號老先生，至今住院超過一個月。而最新去世的 799 號確診者，是 70 多歲，有心血管病史的英國境外感染者，感染超過 48 天，住院超過 30 天後去世。

為了這些低比例的高風險感染者，需要投入不成比例的人力與醫療資源照顧，還有傳染的風險。由此觀之，

如果能減少高風險群確診的數量，不但能減少重症與死亡的人數，還能節省寶貴的醫療資源，減少接觸者，特別是醫護人員被傳染的機率。

誰該先打疫苗，沒有標準答案

前面說的都是關鍵，但是哪件事更重要呢？

在疫情非常嚴重的地區，保護醫療人員應該更優先。因為新的感染者源源不絕，短期內疫苗肯定無法減少需要治療的病患數量；假如醫師、護理師確診，即使多數本身不會有大礙，卻也需要隔離，有一段時間無法工作，便會造成醫療短缺。

如現在的美國、英國、南非等地，新的重症者不斷湧進醫院，急需醫療人力。疫情嚴重之際，醫療人力不可或缺，必需優先保護相關的工作人員，他們便應該是疫苗首選。

相比之下，台灣、紐西蘭等不嚴重的地區，考慮不一樣。在感染機率不高，醫療資源也不算吃緊之下，減少傷害可能更重要。醫療工作人員感染後，出事機率不至於比一般人高多少；但是高風險群一旦得疫，不只容易重症甚至死亡，也會耗費大量資源。此一狀況下，優先保護高風險群是合理的想法。

照我的觀點，似乎台灣的高風險群該先於醫療人員，但是考量士氣和安心感等因素，讓醫療人員優先或許也利大於弊。

而且以台灣幾乎沒有傳染源的現狀，假如在確診者的病床前就能阻斷感染，也能大幅降低醫院內和社區中，高風險群的接觸機率。

誰該先打疫苗，這個問題沒有標準答案，上述都只是大原則，實際上另有許多考量。比方說現在手上有多少疫苗、未來多久以後會有多少疫苗，也是重要因素。

疫苗有限，一定有人先打，有人後打，但是每個人的意見都有道理，都是正確的。

• 本文轉載自新公民議會《誰該先打疫苗？》

延伸閱讀

• 滅絕天花：WHO一開始認為不可能的任務
• 桃園醫院台灣本土WARS傳播事件
• 為什麼武漢肺炎對胖的人殺傷力較大？
• COVID-19 如何影響孕婦與胎兒？
• COVID-19可能增加老人失智風險，需長期追蹤
• 誰是COVID-19的重症高風險群？部分需注意干擾素缺陷
• 感染的人多了，自然就會有群體免疫嗎？
• 英國、南非、巴西……武漢肺炎進入總加速師新階段？
• 集權而非威權的「辛辛納圖斯式」台灣防疫
• 陳建仁和6國專家的COVID-19經驗與展望

• COVAX公布第一批COVID-19疫苗配送數量，我國亦將獲配
• 指揮中心已與美國Moderna公司簽署505萬劑COVID-19疫苗供應合約

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁

COVID-19 疫苗施打前，那些你該知道的事！

• 【科科愛看書】我們現在習以為常的醫療技術、藥物，最初是怎麼發明的？它們是某個時代的創新理論、是多少人的心血、是多少病患的生命換來的？在《胖病毒、人皮書、水蛭蒐集人：醫療現場的 46 個震撼奇想》中，蘇上豪醫師寫下了 46 段醫療史，這些不只是故事，而是真真正正有血、有淚的醫療演進歷程。

朋友看了美國影集《紐約醫情》（The Knick）裡的場景，驚訝地說不出話來。男主角克里夫．歐文（Clive Owen）替產婦做剖腹手術時，不斷要求自己在一百秒內完成工作，一陣慌亂中，他無法在助手幫忙下控制出血，最後使患者死在手術檯上。我的朋友在不知道影集是否真實的情況下，詢問我相關意見。

• 《紐約醫情》預告片（內有些微手術畫面）

我利用頻道看了幾次，同時在 Google 查了該影集的背景，之後打電話給朋友，告訴他這樣的情節不是導演譁眾取寵的手法，而是實事求是之後，拍攝出相當接近「史實」的醫學影集。電話那頭的朋友聽了只有苦笑，因為他看了相關網路報導得到的結論，與我說的一樣。

《紐約醫情》的背景是二十世紀初紐約的「尼克博客」（Knickerbocker），由當年以《性．謊言．錄影帶》（Sex, Lies, and Videotape）一片成名的金獎導演史蒂芬．索德柏（Steven Soderbergh）指導。這是他宣布不再拍攝電影之後，轉戰電視的第一部作品，結果因太多詳實、精細的手術場面，讓不少觀眾覺得血腥，甚至作噁，一問世就引發熱烈討論。

歷史中的「柴可瑞醫師」：外科醫學之父威廉．霍斯德

據索德柏所言，他只是進行詳實的醫學研究，儘可能取得歷史資料，藉此凸顯百年前的醫療困境，希望觀眾能珍惜現在的醫療資源。男主角克里夫．歐文扮演的外科醫師約翰．柴可瑞（John Thackery），據說是以現代外科醫學之父威廉．霍斯德（William Halsted）為藍本。

他所處的二十世紀初期，麻醉技術還不夠熟練，沒有高頻電刀提供外科醫師防止手術中出血，抗生素也還沒有發明，侖琴（Wilhelm Conrad Röntgen）才剛因神奇 X 光拿到諾貝爾物理獎。當時外科醫師可以依靠的工具有限，不得不在手術中儘量求快，避免過長的時間使得「出血過多」及「術後感染」的機會增加，造成患者死亡。

看到柴可瑞醫師逼迫自己成為一位「快刀手」的劇情，我身為一位心臟外科醫師，相當有感覺，即便現今麻醉技術進步，各種防止出血與精細的工具增加，但是心臟外科手術仍不能避免要求「beat the clock」，和時間賽跑，而且愈快愈好，避免「心肺機」在手術中使用過久，造成病患術後併發症（例如出血、中風、腸胃道出血、洗腎，甚至死亡）的風險增加。如果看了《紐約醫情》使你覺得震撼，在十九世紀中期以前，還沒有使用乙醚（Ether）這種全身麻醉的時代，外科醫師可能會被當成瘋子。以下舉的例子，主角是英國維多利亞時代的著名外科醫師羅伯．林斯頓（Robert Liston）。

90 秒完成截肢手術的「瘋狂快刀」

根據二十世紀著名的醫學史作者，同時也是醫師的理查．高登（Richard Gordon）替林斯頓所著的傳記，把他描述成一位有「瘋狂快刀」的外科醫師。林斯頓曾經替一位腳已經壞疽的患者做截肢手術，在過程不小心傷了助手，結果術後沒多久，助手及病患接連死去；也曾因為揮刀動作過大，不小心弄傷在手術檯旁邊觀看的民眾，劃開了他的皮膚，使他因為過度驚嚇而跌倒喪命。你可能覺得故事很誇張，但若能深入瞭解實情就不會覺得驚訝。在那個缺乏麻醉的時代，病患往往被餵了威士忌之後，就被綁在手術檯上，當手術刀劃下，大半患者會被嚇醒，外科醫師只得在病患的哀號聲中，儘快完成手術。

林斯頓的快刀究竟有多快呢？據高登的記錄，他大概九十秒就可以完成截肢手術；曾有一次花了兩分半鐘做截肢手術，還奉送切除睪丸；更誇張的一次手術，只花了四分鐘就將患者四十五磅重的睪丸腫瘤切除乾淨（術後還叫病患用推車將腫瘤一起帶走）。

高登的生花妙筆容易使讀者誤解林斯頓是很隨便的外科醫師，其實正好相反，他是位手腳俐落、善於創新的好醫師，而且用心照顧病患，甚至發明很多至今仍使用的器械。

他十六歲就去讀解剖學校，畢業後沒有多久就通過英國皇家外科醫師學會（Royal College of Surgeons）的認證，成為外科醫師，由於技術不錯，他在愛丁堡醫學院謀得工作，但沒做什麼重要的事，只替教授盜屍五年，供解剖課使用。後來他到了愛丁堡皇家醫院（The Royal Infirmary of Edinburgh）擔任外科醫師，不過也只能當某些教授及醫師的「影子刀手」：辛苦幾年後，卻因為技術太好，被趕出醫院。他寫信向皇家外科醫師學會求助，但流言蜚語使得他四處碰壁，只能當私人醫師，直接去患者家裡做手術。

他最後終於在倫敦大學醫院（University College London Hospital）謀得職位，因為長年累積的經驗，替很多外科醫師不敢碰的患者開刀，而且兢兢業業於治療與照顧患者，最後得到眾人的尊敬，死後甚至被提議立下塑像，以茲紀念。

當你看到高登替他寫的傳記，可能對其中的故事感到好笑或害怕，如同今天我們看到《紐約醫情》的感覺。但我必須說，在林斯頓、柴可瑞醫師所處的時代，他們的行為與其說是「冷血」與「無情」，倒不如說是在為患者尋找活命的機會。和他們處於相同世代的南丁格爾（Florence Nightingale）——這位公認的護理師始祖——在敏銳的觀察後也寫下：

「有太多手術的危險程度直接和手術時間長短成正比，外科醫師的成功和他們的速度成正比！」

因此當你看到林斯頓那個時代的外科醫師不洗醫師服時，不要覺得太奇怪，上面沾的血愈多，表示手術的數量愈多，代表有很多患者找上他。（但即便手術快速執行而成功，患者也可能被外科醫師身上的細菌殺死。）

看完以上故事，希望讀者們能想起導演索德柏的願望，珍惜現有的醫療資源。而我，只能力求自己的技術進步，讓手術做得又快又好，套用汪精衛的詩：「慷慨赴醫院，從容放心頭，引刀成一快，不負外科手！」

本文摘自《胖病毒、人皮書、水蛭蒐集人：醫療現場的 46 個震撼奇想》，時報出版。

• 作者／Eric Topol，本文摘自《AI 醫療》，旗標出版，2020 年 11 月 20 日

醫療 AI 最重要的潛在成果之一，就是能讓醫師騰出寶貴的時間！超過半數的醫師有過勞問題，患有憂鬱症的比例更是驚人（四分之一以上的年輕醫師都患有憂鬱症）！在美國，每年有 300 至 400 名醫師自殺。過勞會導致醫療疏失，而醫療疏失又會助長過勞。顯然我們必須做點什麼。在工作與生活間取得更好的平衡 —— 包括花更多時間與自己、家人、朋友，甚至是病患相處 —— 也許解決不了所有問題，但至少是個開端。

醫師得到更多時間，病患也會得到更多受關注的時間而減少再入院

病患被關心的時間長度對其獲得的照護品質和健康結果至關重要！美國國家經濟研究局 (National Bureau of Economic Research) 在 2018 年發表了 Elena Andreyeva 與賓州大學同事的論文，他們研究急性病患接受治療出院後，居家訪視¹時間長度對病患的影響。根據護理師、物理治療師和其他臨床醫師共 6 萬多次的居家訪視，他們發現每多 1 分鐘訪視時間，再入院的風險就降低了 8%。其中兼職照護人員每多待 1 分鐘，再入院的風險就會減少 16%，而護理師每多待 1 分鐘，風險就會減少 13%。研究人員發現，時間是最可能影響再入院風險的一項重要因素！

William Osler 在 1895 年也曾寫道：「對一個病例的檢查花不到半小時，是無法讓人滿意的！生病的人希望別人在他身上花費大量時間，而不是 10 到 12 分鐘的倉促檢查！」這句話在 120 年後的今天依然正確，未來也不會改變！

延長病患的訪視時間能得到比你所想像的更多！

芝加哥大學的內科醫師 David Meltzer 研究了與醫師相處時間跟其他關鍵因素之間的關係，關鍵因素包括照護的連續性：「假如你需要到大醫院看診，在診所看過你的醫師，是不是也會在大醫院為你看診？」該研究顯示：與病患相處更多的時間可讓住院率降低 20%，不僅節省大量金錢，也有助於避免院內感染和其他院內不幸事故的風險。隨後 Kaiser Permanente 和范德堡大學也效法了這種帶來巨大好處的做法。

這些研究證實了臨床醫師花時間與患者相處的重要性，延長醫院內、外的訪視時間不僅可以增強溝通和建立信任，還可以改善病患的健康並降低後續成本！

能以人性化的方式工作是每個人的願望

就像我在 1975 年的同學一樣，大多數從醫的人都因為具有照顧病人的能力而充滿動力，並感到自豪！醫師會對自己的職業失去憧憬，在很大的程度上，都是因為無法以人性化的方式執行自己的工作！David Rosenthal 和 Abraham Verghese 解釋得很好：

簡單來說，我們定義的「工作」絕大部分都要在工作室、在電腦上完成，而與患者距離遙遠。因此，我們的注意力經常不在那些將生命、身體、靈魂交付到我們手上的人們，以致於醫師盯著螢幕而忽略病患已經成為我們文化中的常態！科技使我們能夠從遠離病床和護理人員的地方照顧患者，因此我們逐漸與病患的個體產生疏離，也跟我們的同事拉開距離，轉而在電腦上工作。

醫療不是生產線！

AI 能幫我們爭取與病患相處的寶貴時間。2018 年，公共政策研究中心 (Institute for Public Policy Research) 發表了一份標題為〈Better Health and Care for All〉的報告，估計 AI 將能讓各種臨床醫師平均騰出 25% 以上的時間進行病患照護工作。最重要的影響是讓臨床醫師從電子健康紀錄的束縛中解脫！在科羅拉多大學，將電腦移出診間並以醫事助理輔助醫師的作法，顯著地降低了醫師過勞的情形，從 53% 下降到 13%。在與患者會面時使用自然語言處理來輔助醫師理應也會有相同的效果。但是，除非人們認知到醫療不是生產線，否則光靠科技本身是沒辦法解決問題的！正如 Ronald Epstein 和 Michael Privitera 在《Lancet》期刊上所寫：「讓醫師感到理想破滅的是管理階層以生產力為取向、人們對於維繫醫師使命感來源的醫病關係價值缺乏肯定，醫師需要開明的領導者，體認到醫療是人類努力的大業，而不是生產線！」他們說的很對，除了這一點：我們需要所有人的參與，而不僅只是領導者！如果提升效率只是管理階層用來提高生產力的手段，藉以讓醫師能夠看更多病患、判讀更多掃描影像或切片，讓產量最大化，那麼就不可能真正把時間還給醫師！這種情況完全有可能發生！畢竟，當初也是醫師自己允許讓嚴重不適用的電子健康紀錄入侵醫院，而從未抵抗像 Epic 這樣的公司，Epic 在與醫院和醫師的合約中放入了封口條款，禁止他們貶低電子健康紀錄與發表電子健康紀錄的螢幕截圖。這一次，醫師必須起身維護自己的權益！

不幸的是，醫師的倡議行為不太可能得到專業醫療組織的支持，至少在美國是如此。其中一個原因是美國沒有醫師代表團體，美國醫學會 (American Medical Association) 的會員人數甚至不到執業醫師的三分之一。更糟糕的是，這類組織也不一定能真正代表醫師。專業醫療組織本來的主要功能是作為工會，保障其成員的酬勞。但是，這類組織擁有的大量資本會造成潛在的影響力。在 2017 年，對美國政府遊說的前 7 大團體有 4 個是醫療照護組織：Pharma Research and Manufacturers（資本達 2,580 萬美元）、Blue Cross Blue Shield（2,430 萬美元）、American Hospital Association（2,210 萬美元）和美國醫學會（2,150 萬美元）。然而這些團體現在都只保護組織自身的財務利益，而不是患者或臨床醫師的利益！

要真正達到深度醫療，醫師必須改變看待病患的思維，以及與病患互動的方式！即便科技讓醫師擁有更多時間，仍然不足以改善現在的困境。然而充足的時間，的確正是讓這些改變有機會生根發芽的先決條件！

註解

1. 美國的急性後期照護或稱急性期後照護 (post acute care, PAC)，係指住院病人急性期過後，若屬於可復原的疾病且仍有照護需求，則不會繼續住院，而是轉至社區或家中，由護士、醫師、物理治療師、社工師等人員進行居家訪視，提供連續性照護、物理治療等，以避免個案過早進入長照體系或發生再入院的情形。台灣為因應人口老化也已逐步建構急性後期照護模式，自 103 年 1 月 1 日起分階段實施（腦中風急性後期照護自 103 年 1 月 1 日起實施，燒燙傷急性後期照護自 104 年 9 月 9 日起實施，其餘各類照護自 106 年 7 月 1 日起實施）。台灣為因應人口老化也已逐步建構急性後期照護模式，自 103 年 1 月 1 日起分階段實施（腦中風急性後期照護自 103 年 1 月 1 日起實施，燒燙傷急性後期照護自 104 年 9 月 9 日起實施，其餘各類照護自 106 年 7 月 1 日起實施）。