Re: [請益] 憑良心說AI要怎麼賺錢？

看板Stock作者 (monyan)時間2周前 (2024/06/09 11:47), 編輯推噓27(29推 2噓 85→)
留言116則, 32人參與, 2周前最新討論串74/86 (看更多)
其實醫療室的龐大又複雜的產業，廣義上包含幾種情形: 1. 預防醫療和衛教: 簡單的說就是健康檢查篩檢這一類。體檢的項目很多，其中有很多 是法規規定的項目。法規規定的項目AI很難發揮，因為法規就是法規，AI不能改法規，而 且量大又死板，人力求又多，AI來做根本CP值不高。至於自費體檢，AI目前在問診以及理 學檢查上不能做，也無法提供客製化建議(因為每個人的需求不同)，AI不能代替醫師執行 超音波內視鏡等工作，更何況在這一塊根本沒沒有大量數據可以讓AI訓練。(題外話，AI 也不能在超高階健檢代替真人美女護理師服務員....) 2. 診斷: 這是目前AI主攻的一塊，很多人都強調AI經過大量訓練，即有診斷能力。以醫 師的訓練來說，讀書，記憶，融會貫通，反覆應在臨床上應用，以經驗和知識的比較，就 能做出診斷。而AI的訓練，就是大量數據模型(讀書，記憶)，產生邏輯(融會貫通)，做出 可能的診斷，但中間卻沒有經驗累積，因為很多疾病的表現是不典型的，AI訓練不夠診斷 也會有問題，因為目前的AI學習架構似乎沒有讓AI累積經驗機制。此外，醫療的觀念會一 直進步，很多疾病會被發現，也很多疾病的診斷標準會修正，但目前AI無做到醫療知識與 時俱進，因為AI的訓練都是根據過去的資料累積而來，往往學生利用AI找相關資料時，AI 給的都很多都是過時的，尤其至針對三高，血液疾病以及腫瘤治療，那結果還真是慘不忍 賭。目前AI在診斷上的發展還是以影像和病理為主，因為給的資料最直接也最好訓練，但 如果是需要和人溝通，尤其是精神疾病相關的領域，AI目前在這需些情境得診斷上真的不 行。 3. 治療: 先有診斷才有治療，診斷正確才有正確的治療方向。但治療是要看整體的。比 方說糖尿病的治療，不同的狀態有不同的建議，但目前AI只能針對大多一般的狀況給予大 略的方向，對於特殊個案的建議根本就是亂七八糟。以外科來說，AI無法取代需要技術的 治療，而且也無法給出適當的處置以及預測手術後的預後。因此AI目前在治療上，還有很 多長遠的路要走。 4. 長照和遠距醫療: 前者不用講，都是人力堆出來的，AI不實用CP值也不高，遠距醫療 侷限性太多，AI也是不實用CP值也不高。 AI目前能做的就是輔助和增加效率，要在所有的情境下取代是不可能的。 最後還是一句話，AI出槌，廠商要背書嗎? AI能代替醫師出診斷書，健檢報告，配工復工報告以及寫失能診斷嗎? -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.239.64.51 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1717904872.A.F36.html
推
06/09 12:03, 2周前 , 1F
醫療這個我比較好奇 如果今天病人隱瞞 AI查覺得到
06/09 12:03, 1F
→
06/09 12:03, 2周前 , 2F
嗎
06/09 12:03, 2F
推
06/09 12:03, 2周前 , 3F
推最後一句 等到AI扛得了出人命的責任 不然不用談醫
06/09 12:03, 3F
→
06/09 12:03, 2周前 , 4F
師會被取代
06/09 12:03, 4F
→
06/09 12:04, 2周前 , 5F
醫院還有物業管理，MIS
06/09 12:04, 5F
推
06/09 12:05, 2周前 , 6F
揹鍋上法院才是核心競爭力
06/09 12:05, 6F
推
06/09 12:06, 2周前 , 7F
現在醫師誤診出人命誰抗 錢啊 錢由那來 醫師 醫院
06/09 12:06, 7F
→
06/09 12:06, 2周前 , 8F
保險 以後ai出人命也一樣是給錢 保險抗阿
06/09 12:06, 8F
推
06/09 12:06, 2周前 , 9F
AI扛責任根本就不是問題 保險就能解決
06/09 12:06, 9F
推
06/09 12:07, 2周前 , 10F
當AI出錯機率小到保險公司能承擔時 這就沒什麼問題
06/09 12:07, 10F
→
06/09 12:07, 2周前 , 11F
了 不然飛機也會掉下來啊。
06/09 12:07, 11F
→
06/09 12:08, 2周前 , 12F
亞洲用保險分攤出人命責任不難 歐美就真的很難
06/09 12:08, 12F
推
06/09 12:11, 2周前 , 13F
以後健保用AI ，要看到醫生要自費
06/09 12:11, 13F
→
06/09 12:11, 2周前 , 14F
這樣同時解決健保跟少子化的問題了
06/09 12:11, 14F
→
06/09 12:20, 2周前 , 15F
不需要一刀兩斷分的這麼乾淨，ai協助醫師做初步診
06/09 12:20, 15F
→
06/09 12:20, 2周前 , 16F
斷，醫師再做確認，由ai跟病患做無聊的衛教，追蹤
06/09 12:20, 16F
→
06/09 12:20, 2周前 , 17F
回診、抽血數據～ 至於病患要對ai說謊隱瞞，代表是
06/09 12:20, 17F
→
06/09 12:20, 2周前 , 18F
病患自己的問題，醫師也沒有義務要猜你有沒有說謊
06/09 12:20, 18F
推
06/09 12:20, 2周前 , 19F
ai開無人戰機早就超越飛行員了 用在民航機很快了
06/09 12:20, 19F
推
06/09 12:22, 2周前 , 20F
精算師精算風險保險能夠cover ai就會大量取代了
06/09 12:22, 20F
推
06/09 12:23, 2周前 , 21F
結果精算師也被ai做掉XD
06/09 12:23, 21F
→
06/09 12:24, 2周前 , 22F
越經濟知識 越少動手的越被取代
06/09 12:24, 22F
→
06/09 12:25, 2周前 , 23F
律師 會計師 精算師 分析師會砍掉不少
06/09 12:25, 23F
推
06/09 12:26, 2周前 , 24F
Ai好強。直接去占領外星球
06/09 12:26, 24F
→
06/09 12:30, 2周前 , 25F
開民航機甚至不太需要ai吧 現在空中應該大部分都是
06/09 12:30, 25F
→
06/09 12:30, 2周前 , 26F
飛機自動了 機師就處理起飛降落跟緊急狀況 可能跟醫
06/09 12:30, 26F
→
06/09 12:30, 2周前 , 27F
生一樣是負責扛責的
06/09 12:30, 27F
→
06/09 12:31, 2周前 , 28F
說AI扛責任OK的看一下現在車子責任搞定了沒
06/09 12:31, 28F
→
06/09 12:32, 2周前 , 29F
總不要出問題還得寫code的人來扛
06/09 12:32, 29F
噓
06/09 12:33, 2周前 , 30F
失誤率低於人類就好 ai出槌就由保險公司賠償
06/09 12:33, 30F
→
06/09 12:33, 2周前 , 31F
未來無人計程車也是按照這模式
06/09 12:33, 31F
推
06/09 12:34, 2周前 , 32F
還有ai機器人類最容易取代的是產線的工程師吧 廠備
06/09 12:34, 32F
→
06/09 12:34, 2周前 , 33F
製程 製程整合類的
06/09 12:34, 33F
→
06/09 12:48, 2周前 , 34F
又一個現在仔 呵
06/09 12:48, 34F
→
06/09 13:02, 2周前 , 35F
樓上一些人對AI的想像是不是直接開個AI醫院直接跟傳
06/09 13:02, 35F
→
06/09 13:02, 2周前 , 36F
統醫療產業競爭
06/09 13:02, 36F
→
06/09 13:02, 2周前 , 37F
最合理的發展方式一定是慢慢滲透進醫療產業逐漸取代
06/09 13:02, 37F
→
06/09 13:02, 2周前 , 38F
一部分重複性高或基於現有容易數據化的醫療資料訓練
06/09 13:02, 38F
→
06/09 13:02, 2周前 , 39F
後的AI進行輔助判讀來取代醫生的某些工作，至於診斷
06/09 13:02, 39F
還有 37 則推文
→
06/09 16:56, 2周前 , 77F
是只能交叉比對
06/09 16:56, 77F
→
06/09 16:57, 2周前 , 78F
醫院醫師怎麼可能用過去的資料判斷 Guideline有些
06/09 16:57, 78F
→
06/09 16:57, 2周前 , 79F
年年改 新藥一直出
06/09 16:57, 79F
→
06/09 16:57, 2周前 , 80F
除非萬年不變的治療指引就會被AI處理掉
06/09 16:57, 80F
推
06/09 17:04, 2周前 , 81F
每週開晨會 國外論文的資料量AI 會吸收不了嗎？怕
06/09 17:04, 81F
→
06/09 17:04, 2周前 , 82F
是論文產的速度不夠AI 吸收吧
06/09 17:04, 82F
→
06/09 17:06, 2周前 , 83F
還要判斷這篇論文是真是假 點值高低 哪些條件符合
06/09 17:06, 83F
→
06/09 17:06, 2周前 , 84F
這些參數如果都能夠標準化的話 AI就可以取代醫師了
06/09 17:06, 84F
→
06/09 17:06, 2周前 , 85F
但不同病人參數也會不同 光這些就很難處理
06/09 17:06, 85F
→
06/09 17:06, 2周前 , 86F
你怎麼知道AI吸收的不是一坨大便
06/09 17:06, 86F
推
06/09 17:08, 2周前 , 87F
講的好像醫師都能判斷每篇論文是真是假一樣 多少論
06/09 17:08, 87F
→
06/09 17:08, 2周前 , 88F
文隔了十幾年才能證明是假的 我不信醫生就能一眼看
06/09 17:08, 88F
→
06/09 17:08, 2周前 , 89F
出來
06/09 17:08, 89F
→
06/09 17:08, 2周前 , 90F
個體化差異如果能夠解決 會變成專業科目者搭配AI共
06/09 17:08, 90F
→
06/09 17:08, 2周前 , 91F
存 完全取代很難 醫師工程師的養成條件太難了
06/09 17:08, 91F
→
06/09 17:09, 2周前 , 92F
每個病人參數不同 那我問你 醫師怎麼判斷
06/09 17:09, 92F
→
06/09 17:09, 2周前 , 93F
既然醫師都看不出來 那餵給AI的不會是準的 END
06/09 17:09, 93F
→
06/09 17:10, 2周前 , 94F
醫生看不出來也是照吸收 AI 也是阿 直到證明是錯的
06/09 17:10, 94F
→
06/09 17:10, 2周前 , 95F
之後
06/09 17:10, 95F
→
06/09 17:10, 2周前 , 96F
醫師怎麼判斷你自己找認識的醫師慢慢問 這是別人的
06/09 17:10, 96F
→
06/09 17:10, 2周前 , 97F
專業 很難當興趣回答
06/09 17:10, 97F
→
06/09 17:11, 2周前 , 98F
你都不知道醫生怎麼判斷你就說 AI 做不到 不是這樣
06/09 17:11, 98F
→
06/09 17:11, 2周前 , 99F
吧
06/09 17:11, 99F
→
06/09 17:12, 2周前 , 100F
說說你知道的醫生怎麼判斷 我們看看AI 的技術做不
06/09 17:12, 100F
→
06/09 17:12, 2周前 , 101F
做的到
06/09 17:12, 101F
→
06/09 17:13, 2周前 , 102F
功課自己做
06/09 17:13, 102F
推
06/09 17:17, 2周前 , 103F
..........你不會也不知道吧
06/09 17:17, 103F
推
06/09 17:21, 2周前 , 104F
可以讓AI實習啊 AI判斷後 由醫生輸入判讀是否正確
06/09 17:21, 104F
→
06/09 17:22, 2周前 , 105F
這就是machine learning
06/09 17:22, 105F
→
06/09 17:28, 2周前 , 106F
RAG或fine-tuning都能配合更新資料的使用情境
06/09 17:28, 106F
→
06/09 17:29, 2周前 , 107F
快被外行推文笑死 半瓶水響叮噹
06/09 17:29, 107F
→
06/09 18:48, 2周前 , 108F
健保資料庫被核刪搞到內容沒意義 那資料從哪來
06/09 18:48, 108F
推
06/10 00:32, 2周前 , 109F
問題是 面對不明顯的症狀醫生也是試誤性的診斷開藥
06/10 00:32, 109F
→
06/10 00:32, 2周前 , 110F
啊。 嘗試沒效再換藥。
06/10 00:32, 110F
→
06/10 05:19, 2周前 , 111F
只因為有人說AI認證過就遞給你，你敢用？一群嘴砲
06/10 05:19, 111F
推
06/10 12:31, 2周前 , 112F
可能會先從缺的地方開始 真正的無國界醫生 不過偏遠
06/10 12:31, 112F
→
06/10 12:31, 2周前 , 113F
地區電力 網路都會是問題
06/10 12:31, 113F
推
06/11 02:05, 2周前 , 114F
會從小病開始 以前大家也覺得視訊看診不可靠
06/11 02:05, 114F
→
06/11 02:05, 2周前 , 115F
但美國現在有很多視訊看診開藥
06/11 02:05, 115F
噓
06/11 12:38, 2周前 , 116F
XD!保險交給AI. AI:對不起!不予核保
06/11 12:38, 116F
‣ 更多 monyan 的文章
文章代碼(AID): #1cPINeys (Stock)
討論串 (同標題文章)
以下文章回應了本文：
完整討論串 (本文為第 74 之 86 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共86篇)
‣ 更多 monyan 的文章
文章代碼(AID): #1cPINeys (Stock)