Page 53 - 研精醫訊118期

51

大而無法實際運作，直到 2012 年， 子化的面診、舌象及脈波資料，目
ImageNet 舉辦的圖像識別競賽中 前適用於臨床的成果極少；另一方面
（參賽程式需要辨認十萬張圖片的類 是中醫臨床獲得望診及脈診資訊時便
別），一位堅持研究類神經 30 年的 會即時診斷（應該反思這樣的流程是

學者 Hinton 帶領兩位學生以 15％的 否準確），若要額外拍照再以電腦判
錯誤率奪冠而技驚全球（以往幾年的 讀，反而降低看診速率，而病理切片
錯誤率都超過 25％），產學兩界從 診斷也是如此，病理醫師由顯微鏡觀

此蜂湧而入；2015 年的第一名錯誤 察後便直接判讀，額外再給電腦判讀
率 3％已低於人類的 5％，2018 年此 反而不便，不過近期透過「擴增實境
競賽停辦—已然超越人類，爭那 3％ （AR）」技術，將具有鏡頭及判讀
已不重要。這些類神經有多複雜呢？ 能力的設備裝在顯微鏡上，病理醫師
2012 年冠軍約有 8 層共 65 萬個神經 在目鏡中看到切片的同時，視野中便

元，2015 冠軍有 152 層，所以稱為 自動標示重點（如：癌細胞）。若將
「深度」學習。 此延伸至中醫望診（面、舌、傷科），
可以設計一副眼鏡，邊看病人的同時

想像一下，如何教一個沒看過狗的人 便同步顯示診斷資訊，如面色、舌頭
認出狗？你看過很多狗所以能夠判 朱斑或瘀點、骨架或軟組織偏移，便
斷，但說不出明確準則。就像中醫舌 能大舉提昇整體水準，前提是需要大
診，很難快速而標準地使初學者精 量醫師為照片標註診斷術語。
熟。以往因為無法設計明確準則，運

用電腦判讀的效果始終不佳。但是只 此外，最值得期待或憂慮的是，西醫
要提供類神經大量狗及不是狗的圖 可以大量收集現有疾病的中醫四診資
片，不需提供其他準則，它就能「學 訊，訓練類神經嘗試根據四診資訊診

會」，這便是類神經的威力。於是大 斷疾病，也就是使用類神經取代中醫
量應用開始出現，特別是數十年來診 病因病機推理！
斷完成的大量醫學影像，極易訓練
出精確的類神經，如 2017 年的類神 類神經就像人腦「真神經」，偏差的
經 CheXNet「看過」約十萬張胸部 訓練資料會讓它變成僅適用於偏差狀

X 光片診斷後，在 14 種肺部疾病辨 況的模型，即《內經．異法方宜論》
識率超越醫師，此外尚有皮膚疾病、 所言，不同區域的特性造成不同的治
病理切片、心電圖、住院病危預測等 療方式，「一方水土養一方人」。例

方面的傑出成果。中醫面診、舌象及 如有一個審判的類神經被懷疑有種族
脈波也開始應用，但受限於不同醫師 偏見，其實是因為它被帶有偏見的人
診斷一致性較低，臨床也較少收集電 類判例「教」出來。中醫也有類似狀