真正的醫學：讓AI輔助看病，讓醫生專注看人丨展卷_風聞
返朴-返朴官方账号-关注返朴（ID：fanpu2019）,阅读更多！2021-04-25 09:18
美國著名心臟病學家、智能醫療發展領航人埃裏克·託普（Eric Topol）博士在《深度醫療》（Deep Medicine）這本書裏回答了這個問題。在他看來，技術應當支持更為人性化的醫學，培養良好的深度醫患關係。畢竟，醫學的對象是“人”，而不是病。今天的展卷專欄摘選了託普關於“深度共情”的思考和展望，以饗讀者。
撰文 | Eric Topol
翻譯 | 鄭傑、朱燁琳、曾莉娟
學習與患者交流或許能讓醫生重新愛上自己的工作。讓患者走進醫生的內心，什麼都不會損失，反而能收穫更多。
——阿納托爾·布魯瓦亞爾
1975年秋天，我與其他90多位同學一起踏入醫學院。當時，我們大多數人都剛剛大學畢業，是一羣理想主義者。當時極其熱門的醫學類電視劇《韋爾比醫生》（Marcus Welby, M.D.），講述了一位對患者態度極好的家庭醫生的故事；《基戴爾醫生》（Dr. Kildare）也在電視上頻繁重播。當時的醫療行業很單純，醫生能與患者建立真誠的關係，繁雜的影像掃描（拍X線片除外）或實驗室化驗等醫療操作很少，查房記錄都是手寫的。為新患者預約的門診的會診時間至少有一小時，複診時間也有30分鐘。那時，零售診所根本不存在，也沒有用來評估醫生表現的相對價值單位，每位醫生也不做月度工作報告，醫院或診所幾乎沒有管理人員。電子健康檔案自然也不存在，醫護人員也就不需要花費太多時間在計算機上，醫療機構中甚至都沒有打字機。當時，“衞生系統”一詞還未問世，全美醫療健康領域的工作崗位只有不到400萬個。每位患者每年花費的醫療費用低於800美元，不到全美GDP的8%。
40多年後的今天，一切都截然不同了。如今，醫療行業已成為全美規模最大的行業，擁有超過1600萬個工作崗位，也是美國大多數城市的主要就業來源，許多“非營利性”醫療系統的收入每年高達百億美元。目前，我們在醫療健康上的人均支出已超過11000美元，每年總體超過3.5萬億美元，接近全美GDP的19%。部分藥物和治療的單次花費超過100萬美元，絕大多數治療癌症的新藥一個療程的起價超過10萬美元，許多特效藥每月大約需要花費2000美元。即便考慮通貨膨脹、人口增長和老齡化等因素，調整這些數值，我們也很快就發現，增長趨勢好比一列失控的火車。美國的衞生系統現在擁有雄厚的投資資產，如超過400億美元的凱澤健康（Kaiser Health）、超過170億美元的阿森松健康（Ascension Health），以及超過90億美元的克利夫蘭診所等。
隨着醫療健康行業經濟的爆炸式增長，醫療服務也在逐漸失去人文關懷。令人感到震驚的是，早在90多年前，弗朗西斯·皮博迪就已經預言到這種情況：“醫院……容易退化成沒有人性的機器。”人們不再關心個性化醫療，商業利益取代了醫療健康，通過壓榨臨牀醫生來獲得最大生產力和利潤。醫生花在患者身上的時間越來越少，即便花了時間，也缺乏與患者之間的溝通和聯繫，效果也不盡如人意。長期以來，醫療行業一直深陷在低效、錯誤、浪費和次優結果的泥潭中。尤其是近幾十年來，醫療行業在照護患者方面真正迷失了方向。在美國，新患者預約的平均會診時間僅12分鐘，複診僅7分鐘。“韋爾比醫生”的時代早已一去不復返。
雖説人工智能會給醫學帶來翻天覆地的改變，但並不一定意味着一切將變得更好。如今，技術應用可能越來越細分且專業化，帶來的許多好處仍處於初級階段，但這些技術最終將影響醫學領域的每個人，不僅是放射科醫生、病理科醫生、皮膚科醫生等“有模式”的醫生，還包括其他各類醫生、護士、醫生助理、藥劑師、理療師、臨終關懷服務者和其他護理人員等，在未來人工智能將承擔他們的工作。此外，整個醫院、診所的生產力和效率都將得到顯著提高。所有這些需要很多年才能實現，但最終會成為醫學史上最大的變革。擺在我們面前的超級簡化的工作流程，將會以各種不同的方式影響醫療健康的方方面面。而這可能會帶來兩種截然不同的結果：讓情況變得更好，或變得更糟。而現在，我們必須跳出這個框架向前走，以確保我們正朝着正確的方向發展。
為醫生和患者贏取寶貴的時間
人工智能給醫學領域帶來的最重要的成果之一，可能就是時間方面的改善了。目前在美國，超過一半的醫生有職業倦怠，超過25%的年輕醫生患有抑鬱症，每年有三四百名醫生自殺。職業倦怠會導致醫療失誤，而醫療失誤反過來也會加重倦怠。醫生希望花更多時間與自己、家人、朋友，甚至是患者在一起，從而找到工作與生活的平衡。雖然這可能不是解決之道，但卻是個開始。
對於患者而言，時間方面的改善給照護質量及健康結果帶來了至關重要的影響。2018年，美國國家經濟研究局發表了賓夕法尼亞大學埃琳娜·安德烈耶娃（Elena Andreyeva）和她同事共同撰寫的一篇論文。該論文研究了關於家庭健康問診時間對急性病患者治療出院後的影響。她們分析了護士、理療師和其他臨牀醫生的6萬多次會診後發現：會診時間每延長一分鐘，患者再入院的概率會降低8%；兼職醫療服務者的服務每延長一分鐘，患者再入院的概率會降低16%；護士每多花一分鐘，患者再入院的概率會降低13%。在研究人員發現的所有可能影響再次住院風險的因素中，時間是最重要的。
1895年，被後人稱為“現代醫學之父”的威廉·奧斯勒（William Osler）寫道：“用不到半小時的時間來審閲一份病例，是無法令人感到滿意的。患者希望醫生能多花時間在他們身上，10～12分鐘的匆忙檢查並不能使患者感到滿意。”120多年後，一切都已成真。
芝加哥大學的內科醫生戴維·梅爾策（David Meltzer）研究了同醫生共處的時間與其他相關因素的關聯性，比如照護的連續性，即會診醫生與住院檢查時的醫生是否為同一人。他的研究報告指出，花更多時間與患者在一起，能降低20%的住院率，節省數百萬美元，而且有助於避免醫院感染和其他醫療事故風險。這麼做能帶來如此巨大的收益，以至於凱澤醫療（Kaiser Permanente）和範德比爾特大學隨後也複製了這一模式。
這些研究都表明，臨牀醫生與患者的相處中，時間長短至關重要。延長會診時間不僅能增進醫患交流，建立信任，還能改善結果，降低後續成本。這如同一項前期投資，可以帶來豐厚的回報。然而，現實卻完全與提高醫療健康領域生產力的目標背道而馳，如今臨牀醫生往往被迫在儘量少的時間內會診儘量多的患者。要節省這些錢，就需要醫生用時間來補償。涉及34家診所的168位臨牀醫生的一項研究表明，工作節奏是工作滿意度最重要的決定因素。
如今，人工智能可以幫助患者贏取寶貴的時間。2018年，美國公共政策研究所發佈了一份有關人工智能技術影響的詳盡報告：《為所有人提供更好的醫療和護理》（Better Health and Care for All）。該報告預測，人工智能將為不同的臨牀醫生騰出平均超過25%的時間來照顧患者。技術帶來的最重要的影響之一：讓臨牀醫生擺脱電子健康檔案的束縛。在科羅拉多大學，醫生開始將計算機帶出診室，在醫生助理的陪同下為患者提供服務，醫生的倦怠程度顯著下降，從53%降低到13%。很多人認為，使用自然語言處理能達到與患者直接溝通同樣的效果，然而單靠技術解決方案是行不通的，我們得認識到醫學不是一條流水線。
雖然技術能帶給醫生更多時間，但仍然不夠。如果要讓醫學真正地深入人心，就必須從根本上改變醫生的思考方式及與患者互動的方式。
培養醫生的共情能力，讓就醫更加人性化
當今的醫學領域嚴重缺乏共情，其中只有一小部分原因與時間不足有關。
英國醫生馬修·卡斯爾（Matthew Castle）曾發表過一篇略帶諷刺意味的文章，名為《工作過勞》（Burnout），他在文章中將自己的角色設定為一位生活在2100年的人工智能醫生。他擁有足夠的深度學習能力，能對每位患者進行完整的分子和神經精神病系統分析，熟悉所有生物醫學文獻，還能同步進行數千次會診。有了這些數據和人工智能，很多人會認為一切都將是烏托邦式的，然而，他的公司卻要求他提供人性化的品質服務。他筋疲力盡，要求休假6個月，理由是“公司要求培養共情能力”。卡斯爾寫道：“不管人類或機器多麼強大，一旦要求他們做一些不可能的事情，就會失敗。”
隨着機器變得越來越智能，人類需要沿着一條不同於機器的道路進化，以便變得更加人性化。在圖13-1中，我試圖描述這一點。隨着時間的推移，人類的表現不太可能發生實質性的改變。而在各種細分任務上，機器將逐步超越人類。為了將人類帶入一個新的高度，我們需要提高人文素養，而這始終是人類與機器的根本差異所在。值得注意的是，儘管人們一直在努力設計各種能提升共情能力的社交機器人或應用程序，但人類的共情能力並不是機器能夠真正模擬的。一些試圖探測憤怒、悲傷、疲勞和分心等人類情緒的人工智能應用正在研發中。由最先進的機器人公司研製的虛擬人已經被內置了共情能力，但參與研發的人工智能專家也承認其有所不足，因為還無法“使這樣的機器充滿人性”，日本人稱之為“存在感”（sonzai-kan）。會共情只是人類的基本特徵之一，我們還需要愛、笑、哭、夢想、害怕、悲傷、喜悦、相互信任、相互關心、受苦、探索、講故事、啓發、好奇、創造力、感恩、樂觀、善良、表達情感、理解、慷慨和尊重等，並且還需要適應能力、創新力、直覺、常識、文化、抽象化和語境化的能力，以及靈魂等。
人工智能專家布萊恩·克里斯汀（Brian Christian）在《最有人性的人》（The Most Human Human）一書中談道：“要成為富有人性的人，就要成為一個具有生活痕跡、有特質、有觀點的特定的人。人工智能表明，當我們試圖將這些特定的人類品質賦予智能機器時，智能機器與人類之間的界線最容易模糊。”所以，我們不能允許這種情形發生。
《希波克拉底誓言》中有這麼一條：“……同情心及理解，有時比外科醫生的手術刀和藥劑師的藥物還重要。”共情是與患者建立關係的基礎。一項系統性研究對964項關於醫生共情能力影響的原始研究進行了彙總，結果發現，共情與臨牀結果的改善、患者滿意度、患者對醫囑和處方的依從性，以及減輕焦慮和壓力之間，存在明確的正相關關係。
共情對我們觀察他人經受苦難的能力可以起到重要的作用。具有諷刺意味的是，作為醫生，我們受到的訓練則是避免使用“痛苦”一類的詞，因為它們無法起到任何作用。《美國醫學會論文撰寫指導手冊》（American Medical Association Manual of Style）中提到，我們應該“避免把人描述成受害者，且不使用其他表示無助的情感術語，如折磨、遭受、患病、殘廢等”。托馬斯·李（Thomas Lee）在《新英格蘭醫學雜誌》上撰文指出，儘管“從理論上可以考慮人類的痛苦，但最好還是避免”，“患者一定是‘患有’某種疾病、併發症或產生了不良反應，而不是‘感到痛苦’或‘遭受痛苦’”。他主張：“即使我們知道，‘痛苦’對患者來説是真實存在的，醫生也應該設法避免使用‘痛苦’一詞，因為產生‘承擔責任’這樣簡單的念頭就會使我們不堪重負，我們已經為太多職責和義務所壓垮。”我們有用於治療焦慮症相關的賬單編碼、報銷比例以及藥物，卻沒有用於減輕痛苦的，這麼一想，也就不足為奇了。機器同樣無法做到這一點，減輕痛苦依賴於人與人之間的聯繫，需要時間，需要以信任為基礎。
我曾經會診了一位患者。她是一位年輕女性，之前經歷了多次“流產性猝死”（aborted sudden death），所以來我這兒尋求第二意見。單單“流產性猝死”這個詞就傳達出一種比給人貼“心力衰竭”標籤還糟糕的冷漠，這種冷漠需要被更温暖的東西替代。我們談論患者痛苦的方式，會成為患者每天生活中思考的核心。心律失常會危及生命，為了防止再次發生，我們給這位患者植入了一個除顫器。植入過程中需要將大量的硬件插入到她的心臟和身體裏。這個過程本身就是創傷性的，但這並不是造成她痛苦的主要原因。她開始同我訴説自己的恐懼和擔憂，她和丈夫本來想生個孩子，但是……她開始抽泣，邊抽泣邊掙扎着説，她不想把“壞基因”傳給自己的孩子。我完全能理解她的擔憂，部分原因可能是因為我女兒當時也懷孕了。
這位患者之所以痛苦，不僅是因為她所經歷的事情，還有她想象的自己的孩子未來可能會遭遇同樣的事情。我握着她的手，試圖安慰她，也是在安慰我自己。幾分鐘後，我告訴她，我們將對她的基因組進行測序，尋找可能導致心律失常的突變基因。如果我們能找到，這將有助於我們對胚胎進行選擇，避免將“壞基因”遺傳給她的孩子。幾個月後，我們找到了突變基因。她和丈夫得知他們可以擺脱這種可怕的焦慮情緒，且可以安心懷孕後，大大地鬆了一口氣。這次經歷讓我覺得“深度醫療”這個詞是如此恰當。
共情對改善醫生表現和社會心理起着重要的作用，因此瞭解共情能力是否可以進行培養或湮沒至關重要。扎克·克爾姆（Zak Kelm）及其同事對64項研究進行了深入分析，其中10項研究是經過嚴格設計的。總的來説，這些研究表明，醫生的共情能力是可以培養的。然而，由於共情能力受到實踐環境的挑戰，其分數在臨牀培訓期間會下降。戴維·斯凱爾斯（David Scales）醫生曾經指出，從業者缺乏如醫生所希望、患者所應得的照護時間，醫生們指責“計費系統所帶來的時間壓力導致患者數量高於質量，工作環境混亂且缺乏控制，同時還要花很多時間在行政任務上”。此外，醫療專業人員在情商測試中通常得分較低。利他主義者的情商得分在60～70範圍內，藝術家和音樂家的情商為50多，醫生為40多，精神病患者在10分以下。甚至，“共情”的神經解剖學可以精確定位相關的大腦部位和迴路，以及生物、心理、社會等多方面的刺激和抑制。
然而，令人感到鼓舞的是，對於同情心、共情能力，以及從他人的視角看待問題等關鍵“軟技能”而言，大腦具有可塑性。有這麼一個案例：超過300名健康的成年人（非醫生）接受了旨在增強存在感（注意力和內在感受意識）、情感（關懷、同情心、親社會動機、應對困難的情緒）和觀點（元認知、觀點接受）的培訓。培訓期間進行的一系列MRI影像顯示，在9個月內，與每個行為模塊相關的大腦形態都發生了顯著變化。實際上，已有解剖學和經驗證據能夠説明，我們有望培養共情能力和其他“軟技能”，由此可以採取更多措施來改善臨牀醫生的共情能力。畢竟治療師也需要康復。我們不應該等到抑鬱症和自殺發生時，才正視這些可能性。
培養醫生的存在感，建立深厚的醫患關係
改善共情能力只是一個開始，醫患關係遠比有無共情嚴重得多。為了使人與人之間的聯繫更深入和真實，許多因素都值得重視。我邀請我的朋友亞伯拉罕·維基斯為本書作序，主要原因是他一直是“存在”學説的先鋒，“存在”是關於人類聯繫的一門藝術與科學；而且，他發起了一項重大舉措來進行捍衞。正如維基斯所説：“‘存在’對患者和照護人員的健康都很關鍵，也是在所有人際交往中建立信任的基礎。”他給了一個明確的定義：“‘存在’是在為患者和醫生吶喊，是我們共有的基礎，對此我們不應該妥協。它也是改革的起點，是我們為這一事業奮鬥時的告示。”
多發性硬化患者沙龍·羅曼（Sharon Roman）曾經説過：“當醫生雙手長滿了老繭、粗糙不堪，耳朵聽不到聲音，檢查開始變得像審訊，你就該考慮換醫生了。”患者希望醫生在場，用心傾聽、全神貫注，但現在能這樣做的醫生極少。醫生不怎麼傾聽患者，總喜歡打斷患者。事實上，在美國，從醫生與患者會面開始到打斷患者，據統計，平均只要18秒。18秒！醫生們希望開門見山，而不是給患者一個講述自己故事的機會，這與醫生們所面臨的極端時間壓力密切相關。實際上，這是一個多麼難得的機會：瞭解患者，觀察他們的情緒，把他們的擔憂、症狀和自己的理論原因聯繫起來。
“現代醫學之父”威廉·奧斯勒説過：“要傾聽你的患者，他其實是在告訴你診斷結果。”我的朋友傑爾姆·格羅普曼（Jerome Groopman）寫了一本書叫作《醫生最想讓你讀的書》（How Doctors Think），他在書中指出了醫生不傾聽、不讓患者發聲所帶來的一系列負面影響。記者安德烈婭·米切爾（Andrea Mitchell）回顧自己的職業生涯時説，蒂姆·拉瑟特（Tim Russert）給她的建議很有幫助：“永遠要記得在別人回答的間隙去傾聽。”這同樣適用於醫學。我們需要患者能夠自由地講故事，因為即使人工智能設法將檔案、實驗室檢查和影像等集成為可操作的東西，也永遠無法與患者講述自己的故事相比擬。作為醫生，我們接受的訓練是記錄歷史，但這顯然是錯誤的，這樣做只是搶佔了談話的先機，而談話既要給予也要索取，最深刻、最親密的感覺就應當以這樣的方式呈現。如果醫生們有什麼願望的話，那就是“他們希望有時間和患者交談，明白這種接觸的價值”。
我想起了一篇文章，講述的是一位醫學生茱莉亞·舍恩（Julia Schoen）和她的第一位患者B先生的故事。舍恩描述了她會診B先生的情況，她的團隊對B先生這樣描述道：“男性，63歲，患有射血分數保留性心力衰竭……肺動脈高壓、慢性阻塞性肺疾病，表現為慢性心衰急劇加重。”但舍恩卻在想象：心力衰竭的B先生推着輪椅穿過街道時，氣喘吁吁該是多麼厲害。她寫道：“當他在街道的對面休息時，我都能聽到他的喘息聲。我不知道有多少人會默默避開他。”她想知道患者想要的理想治療師是什麼樣的。當舍恩聽B先生講笑話、講故事時，她覺得自己是一個耐心、欣賞生活之美的人。第一次與患者的接觸教會了她“傾聽、學習和呵護患者”的重要性。
舍恩放下心理防備，推倒了兩個人之間的“隔牆”，最終促成了一段深厚的醫患關係。事實上，縮短醫患距離的方法有很多。美國的一些醫療中心開始出現一種新趨勢，那就是醫生給患者寫卡片，卡片上有醫生的照片和家庭情況，以及他們的愛好和非醫學興趣等。儘管這與歷史上對醫生的培養方式截然不同，但也體現了人文醫學正確的方向。
1999年，在白血病奪走自己兒子生命的數年之後，《健康事務》（Health Affairs）雜誌的編輯約翰·伊格爾哈特（John Iglehart），在該雜誌上為《重要敍事》（Narrative Matters）這一關注政策與個體經歷的新系列欄目撰寫了一篇簡短的序文，這一欄目之所以叫這個名字，是因為“患者、家庭和他們的照護者的聲音，常被醫療政策及醫療系統等更大、更重要的事無情地埋沒”。從那以後，該雜誌的這一專欄發表了數百篇文章，《柳葉刀》和《內科學年鑑》（Annals of Internal Medicine）上也發表了類似的系列文章。《內科學年鑑》的專欄叫作《論成為一名醫生》（On Being a Doctor）。
我每週都會讀這些文章，以培養自己在診所的存在感和共情能力。我最近很喜歡的一篇文章叫作《你並不瞭解我》（You Don’t Know Me）。文章講述的是一名患有腦瘤的住院男性患者不斷告訴醫生凱特·羅蘭（Kate Rowland），他認為凱特醫生並不瞭解他。患者病危垂死時説：“我不是這個樣子的。”當凱特醫生讀這位患者的訃告時，她想起自己有他的名片。之後10年來，她一直將這張名片放在隨身攜帶的外套口袋中，經常提醒自己，患者是對的，自己真的不瞭解他們。凱特醫生説得很對：“我們幾乎從來沒有真正地瞭解過患者，如果沒有時間、沒有在場、沒有傾聽患者的聲音，根本不可能真正地瞭解患者。”我可以向大家保證，沒有哪種人工智能會真正瞭解一個人，這非常困難，因為需要專注於人與人之間的聯繫。人工智能會為我們贏取時間，但要實現這個目標，仍然需要我們自己。
20多年前，耶魯大學醫學院宣佈要將學生在藝術博物館裏花時間學習觀察藝術定為必修課時，當時我感到非常震驚。維基斯也明白這一點，他在《重要敍事》欄目中寫道：“我的工具是凝視醫學，尋找病理和聯繫的渴望；雖然在藝術觀察中，我們似乎並沒有機會找到醫學與色彩統一的正方形，或油漆雜亂飛濺的矩形這種藝術作品之間的聯繫，但在我內心深處，一種深刻的觀察正在生成。”維基斯常把醫學生帶到斯坦福美術館，為的就是培養他們的觀察技能。
這些並非維基斯和卡龍提出的空想。2017年，賓夕法尼亞大學的一羣醫學大一新生在費城藝術博物館參加了一項關於藝術培訓的隨機試驗，與未進行此類暴露的對照組進行比較。這項為期3個月的醫學訓練包括6個時長為90分鐘的環節，主要用來考察觀察力。結果顯示，這些培訓對藝術和醫學影像等的觀察表述，十分有益。戴維·愛潑斯坦和馬爾科姆·格拉德威爾（Malcolm Gladwell）為這篇論文撰寫了一篇社論，他們以諾貝爾生理學或醫學獎獲得者霍華德·特明（Howard Temin）的名字命名，稱其為“特明效應”（The Temin Effect）。特明不僅發現了逆轉錄酶，還精通哲學和文學。他們的結論是：“將準醫生帶出醫院，走進博物館，讓他們走出自己的世界，進入另一個世界，能幫助他們成為更好的醫生。”
神經學專家薩拉·帕克（Sarah Parker）提供了一個極好的例子，即在面對悲劇時，人們什麼都不用説，只需要人與人之間相互的聯繫、共情和敏鋭的觀察力：
醫生走出診室，告訴護士他覺得自己卒中了。當我看到他的時候，他已經不能説話，完全失語，無法移動他的右側身體，他大腦的出血面積正在迅速擴大。他不明白我要他做什麼。他無法訴説他的感覺，但他認出我穿着白大褂，聽出了我聲音和語氣，認得出我的表情。他握住我的左手，不停地捏着，直視着我的眼睛。這是一個讓人產生共鳴的時刻。在這一刻，兩個人知道彼此的想法和感受，卻沒有説一句話。他知道這很糟糕，他也瞭解我的看法。他知道我想幫忙，但也知道我無能為力。他很害怕，但也很堅強和勇敢。他知道自己當時的狀況，也知道可能的後果。他告訴我，如果這樣結束也沒關係。他知道我在乎他。這是一個平靜的時刻。面對死亡，他既害怕又清醒。他在尋找人與人之間的聯繫。他一生都在關心和安慰別人，而在我關心和安慰他時，他卻在安慰我。
美國的醫務電視劇《良醫》（The Good Doctor）中，主角是一位患有自閉症的外科手術醫生，他患有學者綜合徵（savant syndrome）。只要看患者掃描影像幾秒鐘，他就能做出診斷，還能觀察到其他醫生所觀察不到的細節。我們並不需要先成為專家才能成為更好的觀察者。這需要時間，也可以通過訓練來加強。此外，參觀藝術博物館也能起到不錯的效果。
重塑醫學生的思想，發展以人為本的醫學教育
在美國，我們通過大學成績和醫學院入學考試（MCAT）的結果來選擇未來的醫生。20世紀20年代末，美國醫學院的輟學率躍升至50%，之後醫學院開始採用入學考試，1948年被正式命名為MCAT。考察內容有科學問題、科學成就、數學定量能力，還有語言口頭推理，在隨後的幾十年又進行了各種調整。多年來，寫作範例樣本一直是考試的一部分，但在2015年發佈的最新考試版本中，寫作部分被去除了。現在的重點變成了生物和生化系統、行為學的生物和心理社會基礎，以及推理技能。
在美國，每年大約有2萬人從5萬多申請者中脱穎而出，成為未來的醫生。然而至今還沒有可以用來評估情商或與他人產生共情的能力的標準或設備。事實上，依賴科學成就標準進行選拔，實際上可能會淘汰掉那些註定要成為最有愛心的人、最好的溝通者，或最有可能成為模範治療師的人。由於我們還沒有為當下和未來的技術能力做準備，我們恢復未來醫學人性化的目標也將註定失敗。
這讓我想起了中國的人工智能導診機器人“曉醫”第一次通過了中國全國醫師資格考試。我們不禁要問：選擇未來醫生的標準難道是基於能否被人工智能機器人模擬或超越嗎？我想為大家分享伊藤穰一（Joi Ito）的觀點。伊藤曾在大學期間退學，如今是麻省理工學院的教授、媒體實驗室的負責人。伊藤説，如果有一個始終可用的系統，能記住申請醫學院所需的所有信息，“也許有人就會爭辯説，你根本就不需要記住這些知識”。未來我們肯定要朝着這個方向發展。我們可以將關於醫學和個體患者的知識外包給機器算法。醫生和機器學徒的區別在於，醫生是人，能發展人際關係，目睹痛苦後有能力減輕它。當然，我們會對算法輸出進行監督，而這需要科學和數學推理技能。但是，在選擇未來的醫生時，情商應該被優先考慮，而不是那些逐漸失去效用的品質。
因此，我們還需要重塑醫學生的思想，使他們以人為本，而不是以疾病為本。入院和出院都是通過“翻牌”頻繁進行，通過這種方式，培訓醫生根本不再需要走到患者病牀邊，而只需要檢查患者所患疾病、狀態和相關檢查結果就夠了。醫生也不再通過觸診檢查患者、診斷疾病，而是通過看掃描或化驗檢查。這樣的常規工作比了解一個人要快得多，也容易得多。底特律的醫生拉納·阿瓦迪什（Rana Awdish）對兩組醫學生進行比較，並做了很好的闡述。兩組學生一組被稱為“病理組”，另一組被稱為“人文組”。病理組通過識別皮膚損傷、聽雜音和了解凝血級聯，在認識疾病方面得到了非凡的訓練。而人文組不僅接受和病理組一樣的所有培訓，還需要探索患者的背景，與患者聊天，瞭解患者在日常生活中是什麼樣的，對他們來説哪些重要，哪些令他們擔心。如果患者開始哭泣，病理組可以診斷出這種疾病，但無所作為；而人文組甚至在患者流淚之前就已經為之所動，能聽出患者強忍着的聲音，並表示安慰。阿瓦迪什進一步寫道：
醫學不能在真空中治癒疾病。它需要聯繫……我們已經把資源投入到將年輕醫生的大腦連接到單一的看事物的方式上。雖然他們很容易看出疾病，但也很容易忽視疾病。但他們其實可以聯繫更多的東西：深入的瞭解、更多美好的事物及擁有更多的共情能力。每個人，無論是醫生還是患者，都值得為這些東西付出更多。
還有許多其他關鍵要素需要成為醫學院課程的一部分。未來的醫生需要對數據科學有更好的理解，包括生物信息學、生物計算、概率性思維以及深度學習神經網絡的核心。醫生在照護患者方面的許多努力都將得到算法的支持，他們需要了解所有的責任，識別偏差、錯誤、假陽性或假陰性結果，以及是否偏離常識。同樣，在任何人機協作中，還要將患者的價值觀和偏好放在首位，其重要性無須過多強調。我們既不允許算法世界傳播“家長式”醫療，也決不允許醫生保留對患者數據和醫療信息的控制權，這些早就應該終止，我在《未來醫療》一書中已進行過深入的討論。
但是，醫學院對這些不可避免的變化和挑戰還沒有做好準備，因為課程是由守舊的教職人員控制的，他們很快就會抵制即將到來的新機器的幫助。要培養醫生的共情能力就必須對醫學教育進行改造。新一代已開始表現出強烈抗議，如杜克大學醫學培訓生海德·賈韋德·沃賴希（Haider Javed Warraich）曾寫道：“年輕的醫生準備讓醫療健康更具創新性，以患者為中心。但是，與他們一起工作的資深醫生及他們所照護的患者是否也準備好了呢？”
由機器支持的更為人性化的深度醫療
我們仍然處於人工智能醫學的早期階段，這一領域在對機器算法的驗證和保證方面還有一條很長的路要走；但在證明人工智能醫學在現實世界和臨牀上的有效性方面，我們已經很接近了。然而，以我們在過去幾年觀察到的發展速度，隨着機器在特定、細分的任務上超過人類，狹義人工智能極有可能加速和擴大，將勢必佔上風。對於大多數臨牀醫生來説，工作流程將得到改善，機器可以更快、更準確地讀取掃描片子，查看人類醫生可能遺漏的東西；又或者取消鍵盤輸入的方式，恢復門診就診時相互溝通的狀態。與此同時，有這些願望的個人最終可以將他們的醫療數據無縫聚合、更新和處理，包括所有的醫學文獻，從而實現最佳飲食且身心健康。然而，要實現這一切，我們得時刻警惕：確保個人必須擁有並控制自己的醫療數據；醫生們要積極地抵抗為了提高工作效率而犧牲人際關係的管理者；還要採取強化措施來保護數據的隱私和安全性。
實際上，機器醫學並不一定是我們的未來發展模式。我們可以選擇一種技術解決方案，來解決當今醫療健康中存在的人與人之間聯繫的脱節問題；我們還可以選擇一種由機器支持的更為人性化的醫學，作為未來前進的方向。深度表型分析將幫助我們對患者的醫療數據層瞭解得更加深刻。深度表型分析、深度學習和深度共情的“三位一體”，可以促進對疾病的預防和治療，取代數十年來混亂和被浪費的醫療資源，進而成為應對醫療衞生領域經濟危機的主要補救措施。但對我來説，這些都是深度醫療的次要收穫。這也許是重新實現真正醫學的最終機會：在場、共情、信任、關懷、人性化。
本文摘自《深度醫療》（河南科學技術出版社2020年11月第一版），題目和配圖為編者所加，有刪節。