領導人帶頭用AI 由上往下推動轉型工程

AI Agent有求必應的自主能力，改寫工作裡的作業流程，也讓職場角色重新分工。以前是人類不想做的，交給AI；現在是人類做不到的，AI來補強。

撰文‧呂苡榕

老師傅的多年經驗、老練醫師的醫學判斷力……。這些儲存在資深人員大腦中，靠多年現場實務累積下來的歷練，過去得花上大把精力、心力，才能傳承給新人。如今，在AIAgent協助下，這些經驗累積的技能，能快速轉化成可學習的知識，或輔助工具，成為職場裡的「第二大腦」。

而當台灣企業導入AI的程度持續上升，不同場域與產業中，活用工具的方式也值得互相參考、學習。




醫療影像：揪0.4公分肺結節 補充篩檢判讀第二意見

二○一八年，谷歌發表自然語言處理模型BERT，OpenAI也在同期推出ChatGPT初代系列模型。「那時一堆人跟我說，你們放射科完蛋了，以後要被AI取代。」台大醫院影像醫學部前主任張允中笑著回憶，當時他擔任放射線醫學會理事長，對AI充滿憂慮，因此舉辦相關座談，想了解AI與影像醫療協作的可能。二二年，國民健康署委託台大醫院，開發AI輔助判讀低劑量電腦斷層掃描（LDCT）影像的計畫，張允中想著：「得趕快參與進去。」

LDCT是目前具國際實證，能早期發現肺癌的篩檢工具。早期發現肺癌，將大大提升五年存活率。「但是LDCT是細切影像，切片非常薄，一個胸腔會有四百張影像，判讀非常花時間。」張允中指著螢幕上的胸腔影像解釋。

AI輔助影像判讀計畫啟動後，「我們以六百五十組影像、二二三七顆肺結節畫面來協助訓練AI。」張允中說，透過醫師與AI反覆討論，「碰到人眼找到、可是AI沒辨識出的部分，就要告訴它為什麼這個影像有問題。」足足花了兩年時間，才讓這項技術成熟。

AI判讀大大縮減影像報告產出的時間，實測十二位醫師與AI進行影像判讀測量，報告輸出速度增加二九％。「以我的速度，一個小時可以看七、八個患者的影像報告，就算很厲害。」張允中說，如今AI系統與LDCT機台串接，患者檢查完後馬上由AI判讀，幾分鐘便有結果。且以醫院內的機房進行運算，保障醫療隱私不外流。

同時影像判讀的精準度也提高二五％，「尤其是○．四公分以下的結節，人眼容易忽略，AI則能準確抓出。」張允中就曾遇到一位五十多歲婦女來檢查，「我沒看到異常之處，反倒是AI找到三處結節，我再去確認，發現的確有結節黏在血管旁，不易察覺。」

台大醫院副院長、肺癌治療名醫陳晉興也對AI輔助判讀持正面肯定。「人眼測量肺結節的大小，結果會有落差。有的醫師覺得是○．七八公分，有的覺得是○．八三公分。差距看起來小，但對患者影響很大，因為超過○．八公分，可能就得開刀。」而AI能用同一套測量方式來判斷，不會有人眼的誤差，也能提供人眼之外的第二參考意見。