頂尖名校合併醫學大學 才是正途

鄭丞傑／台北秀傳醫院執行院長、中山醫學大學董事（台北市）

行政院7月同意陽明大學與交通大學兩校合併案，兩校預計明年2月1日起合併為「國立陽明交通大學」。報系資料照

最近國內醫學教育的兩大新聞，應該是陽明和交大即將併校，另一則是清華、中山、中興、元智四所大學均申請新設學士後醫學系。

國內醫師人力是真的不足，還是問題在於分布不均而非不足，或是其實人力足夠，只是因為醫療環境欠佳而出走海外、出走他行、出走醫美，值得深入探討。如果問題不在人力不足，則增設再多的醫學系恐怕也無濟於事。

由於壽命延長和醫療科技進步，加上國內醫療照護品質提升，醫師人力需求增加是可以理解的。但另一方面，由於對抗新冠肺炎使得全民長期在公共場所戴口罩，意外造成今年普通感冒和流行性感冒都大幅減少，如果未來多數人養成在公共場合戴口罩的習慣，則新進兒科、耳鼻喉科醫師人數的增加是否需要管控更嚴？由於人工智慧的發展，未來影像醫學科、病理科，甚至有些臨床科醫師是否需要減少人力增加的速度？這些影響因素都值得主管醫學教育、醫療政策的公部門，和各專科醫學會深入討論。

另外，除了牙醫師外，台灣有五萬多西醫師，但是另外有七八千個中醫師，他們提供了許多民眾醫療的另類選擇，如果醫師與人口比例的計算不包括中醫師在內，則與實際狀況多少會有脫節。

醫學院教學設備昂貴，而國內的大學學費又長期偏低，如果只靠學生學費，全國的醫學院都是入不敷出的。為什麼大家一窩蜂搶呢？因為醫學相關系所就業率高，招生容易，抗少子化能力強。醫學研究論文影響係數高，可以大幅提升大學的國際排名。何況只要有附設醫院，日後自然會在經濟上回饋大學。

日前公布的下年度政府總預算，排名第一的國防預算比第二的教育預算多出一千多億。可以想見在國防預算極可能繼續攀升下，教育經費會日益捉襟見肘，因此繼續廣設醫學院是明智之舉嗎？一個小小的島國已經有十三所醫學大學或大學醫學院了，難道我們要重蹈過去廣設大學的覆轍嗎？

中國大陸在廿一世紀初，江澤民指示大學併校以提升國際競爭力，以上海為例，上海第一醫學院併入復旦大學，第二醫學院併入上海交通大學，兩所名校有了醫學院，學術論文馬上暴增一倍，高影響係數的論文増加更多，世界大學排名提升。另外一個好處是醫學院和其他學院的交流合作，產生許多新領域的論文和研發產品，學生選課當然也是更多元。

中山大學有意併高雄醫學大學至少十多年了，中興大學和中山醫學大學雙方都有強烈的合併意願，只要教育部鬆綁公私併的法規，兩案都有機會水到渠成，都是一加一大於二。清華和元智也可以嘗試找醫學大學併校。併校之後，這些頂尖大學的世界排名都會大幅提升，學術競爭力也更強。

如果國內醫師人力的確需要增加，那麼可以在辦學績效良好的大學每校適度增加十個錄取名額，在目前每年只收四五十個醫學生的慈濟、馬偕、輔大、義大，以及高醫大學士後醫學系，各多招收十至廿名，教育部再給予適當的補助，這樣不是比新設醫學院簡單有效多了嗎？

當你點開學校網頁，你就知道自製的新生包有多重要了A_A

▼各校新生包製作總整理▼
#歡迎留言新增

高醫
https://goo.gl/JB7JWL

成大
https://goo.gl/JcWu3a

聯大
https://goo.gl/gWS8S5

北商∕入住主題
https://goo.gl/ojojtu

交大(直接幹出一個網頁了XD)
https://goo.gl/czkS49

輔大∕會費解釋主題
https://goo.gl/5bYnjS

台北大學∕選課主題
https://goo.gl/b7cCb7

長庚資管∕選課主題
https://goo.gl/ZGEXGd

中正∕選課主題
https://goo.gl/R1P8J9

中正Again∕選課主題
https://goo.gl/E2vR7m

中正and again∕選課主題
https://goo.gl/5T0B8X

淡江∕選課主題
https://goo.gl/dv7R6R

南華大學∕選課主題
https://goo.gl/VdMUZY

輔大∕選課主題
https://goo.gl/43sssk

台東大學∕選課主題
https://goo.gl/2Sq9rU

成大∕選課主題
https://goo.gl/S5gQn4

高醫醫學∕選課主題
https://goo.gl/Ae2Ggf

體大∕選課主題
https://goo.gl/3w7FAz

成大Again∕選課主題
https://goo.gl/UG8kPd

台大∕選課主題
https://goo.gl/GVUOXc

銘傳∕選課主題
https://goo.gl/7Z9XJu

朝陽∕選課主題
https://goo.gl/5eCsCH

清大∕選課主題
https://goo.gl/YcakHC

高應大∕選課主題
https://goo.gl/Mku3tW

政大∕選課主題
https://goo.gl/iyU1kG

高大∕選課主題
https://goo.gl/wboSLR

▼題外話，規劃新生包內容時可以參考這張▼
https://goo.gl/K5ZFH9

《文茜的世界財經周報》

【"把抗癌交給科技" MIT開發醫療影像運算軟體 MIT教授巴茲蕾43歲被判定罹患乳癌 人生重大轉折 巴茲蕾投入"量身訂做"抗癌方案 人工智慧如此全能 醫療AI比例仍低 機器可精準消化大數據 "量身訂做"抗癌方案 四名患者同一療法 醫學影像運算可找答案 87%腫瘤為良性 醫學數據運算可降低手術率】

在MIT(麻省理工學院)，數字，很重要。

課程6.036，地點26-100，是MIT最大的一間教室，教授來自32號建築，也就是電腦科學與人工智慧實驗室，課程名為"對人工智慧的真實熱情"，由4位教授與15位助教一起管理這門課。這是今年MIT人數最多的一門課，教室座位566個，但選課的人有700個，所以第一堂有部分學生只能在其他教室看著轉播螢幕上課。

授課的四名教授之一巴茲蕾教授(Regina Barzilay)，在MIT專教機器學習，尤其是NLP(Natural Language Processing)，也就是自然語言處理，簡單來說就是教電腦聽說讀寫人類語言。市面上所有的智慧語音助理，例如蘋果的Siri，或是亞馬遜的Echo，就需要NLP技術，巴茲蕾教授正是這個領域的佼佼者。

1971年出生在以色列的她，大學和研究所畢業於以色列知名學府班古里恩大學，後來赴美在哥倫比亞大學取得電腦科學博士學位，也許正因為母語是古老的希伯來文，她對於解碼失傳語言特別有興趣。寫博士論文時甚至開發了可以自動生成新聞摘要的軟體NewsBlaster，雖然她謙稱這款軟體不可能取代深度報導或是洗練文字，卻為哥大留下令人讚嘆的資產。

而如明日之星般的美女教授，在43歲那一年，人生突來晴天霹靂。

MIT電腦科學與人工智慧實驗室瑞吉娜巴茲蕾教授：我之所以進入數位醫療的領域 是因為三年前我被診斷出乳癌

巴茲蕾教授本身因為乳房組織密度較高，屬於乳癌高危險群，因此每半年做一次乳房攝影檢查，為期兩年的檢查周期最後一次，卻發現了惡性腫瘤。事後她一直想問，第一，"為何是我?" 因為沒有家族病史。第二個問題是，這兩年的檢查當中，難道無法從影像醫學的細微變化，看出她的乳房組織可能進化成癌細胞?

瑞吉娜巴茲蕾教授：現在治療癌症病人的方式，都有"人"的在裡面。不管是做超音波還是病理切片，都是由人來判讀，把病情做一下分類。因為這些醫學影像不是直接交給醫生去看，而是由受過訓練的專業技師去判讀，當他們在做判讀的時候，會用他們所依循的"項目"去分類患病的婦女，只用幾個簡單的指標去判讀的時候，很多病況訊息其實是被忽略的。

如果AlphaGo可以擊敗人類圍棋冠軍、Amzon可以依照你的網路行為推薦你會買的商品，巴茲蕾教授不禁想問，這麼多現代人工智慧，為何沒有拿來解決醫療上的盲點。於是她開始與被譽為全球最好的麻省總醫院(MGH)合作，希望未來癌症治療也能「量身訂做」。

瑞吉娜巴茲蕾教授：試想當亞馬遜跟你推薦一本書的時候，是把所有網購消費者，依照十個不同的習性分類，決定這本書適不適合你? 還是依據你個人過往的消費記錄，加上他人評價，再根據你是怎麼樣的人、而不是把你簡單分類去推薦這個產品呢? 當我們把病患簡單分類的時候，我們就會錯失很多資訊。機器可以做到而人類做不到的，就是可以同時看數百萬張醫學影響，然後做出人類做不到的更準確的預測。

以乳癌為例，根據醫學影像以及切片病理報告，會區分為四種亞型，一張極為複雜的器官影像，在技師判讀後，可能直接被簡化成幾種數據、幾行判讀文字，四張完全不一樣的乳房攝影圖像，檢測分類後的資訊可能一模一樣，醫學影像中人眼所不及之處，可能就隱藏著很多警訊而不可知。而因為這四張圖像的患者被分為同一型，因此被施以同樣的治療方案，但這四個患者，三個成功了，一個沒有，問題出在哪裡，巴茲蕾教授認為，這就是圖形運算可以幫助醫生的地方。

瑞吉娜巴茲蕾教授：你看得出這隻狗和這個癌細胞的差別嗎? 狗占了整張照片的30% 癌細胞(在大畫素影像中)只占不到1% 所以影像傳達的訊號完全是不成比例的

癌細胞的生成與醞釀是需要時間的，如果半年一次的醫學影像，或甚至過去十年的病歷記錄能，夠用交叉運算，也許機器可以比人眼更早發現生理組織得病變，預防和提早治療就不會只是口號而已。

一份研究指出，高危險群乳癌病患在照出腫瘤後，無法確定是良性還惡性，多半都會在同意直接開刀切除，最終其實有87%的病理切片是良性的。以MGH(麻省總醫院)為例，無法確診良性或惡性的腫瘤，進手術房的比例是100%，透過巴茲蕾教授開發的這套系統分析，至少可以在術前判讀出30%的良性組織，大幅減少侵入式醫療的機率。這套軟體也可以分辨哪些乳房組織比較可能發展成癌細胞，藉此提高醫生投藥的劑量與準確度。同時機器學習和數據運算也可以應用在製藥上面，透過化學物與病患醫療史的交叉運算，可以容易的組合出製作成本低、效用更好的藥品。

瑞吉娜巴茲蕾教授：我想提供這項工具可以改變醫療護理人員的分工，在很多醫療體系中，病人真正缺乏的就是從醫療照護提供者這邊，獲得「個人化」的集中照顧，有時間跟醫生好好合作。機器永遠不能取代醫生護理師，但透過運用這種工具，可以讓醫生有更多時間跟病患一起，就治療方案好好相互配合。

巴茲蕾教授強調，開發醫療運算法不是要來取代影像醫學判讀的技師，而是想找出人眼無法判讀的病變，讓機器來幫助醫護人員執行更準確的治療。2011年在益智問答節目中擊敗人類的IBM人工智慧系統華生，其實當年是為了發展醫療雲端服務而開發出來的，一度在各大醫療院所引起熱潮，但當時人機合作的並不理想，最近優化後的華生，再度挑戰醫療領域並取得初步成果。其他像是Google母公司Alphabet，以及飛利浦等科技大廠，加上輻射出來的新創公司，醫療生技產業的科技創新，預估2021年以前可達每年成長40%，產值達66億美元的規模。人工智慧將為醫療帶來革命性的影響。

瑞吉娜巴茲蕾教授：這麼多年來，我們一直深信癌症會由生理醫學家治好，如今該是我們(電腦科學家)把這個機會拿回來 給醫療領域帶來重大改變的時刻。