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》

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

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

參考資料

• 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！

• 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）。