重複病歷為什麼教不好醫療AI？「合成資料」怎麼幫忙

你做十次同一題，不會因此學會十種題型。醫療AI也一樣，重複同一份病歷，並不會多出新的線索。

病歷又不能像普通作業紙一樣傳來傳去。研究人員因此用電腦做出新的醫療練習例子，這些例子叫做「合成資料」。

AI也就是人工智慧，是能從許多例子找規律的電腦工具。醫療AI可以學影像或紀錄，再幫醫療人員找線索。

病歷為什麼不能隨便拿來教電腦

台灣用《個人資料保護法》管理病歷等資料。大家常把這部法律叫做「個資法」。

第6條列出病歷、醫療與健檢資料，原則上不得蒐集、處理或使用。只有符合條文列出的情況，才可以使用。

第20條談非公務機關怎麼使用其他個人資料。它要求使用資料時，不能超出原本目的的必要範圍，但也列出例外。

非公務機關包括民營醫院和公司。某份資料能不能拿去教AI，要看資料內容、原本目的與使用方式。

這跟你有什麼關係

想像自然課要用葉子照片教電腦分辨形狀。老師若把同一張照片複製一百次，檔案變多，葉子的樣子仍只有一種。電腦也不會因此學會辨認其他形狀。

病歷比葉子照片更需要小心，因為裡面可能有姓名、檢查結果和健康狀況。台灣《個人資料保護法》第6條特別保護病歷、醫療和健檢資料。你和老師可以到政府的全國法規資料庫看完整條文。

所以，醫院不能只為了多幾份練習資料，就任意複製或交出真人病歷。合成資料像是另外做一批新練習題，但研究人員仍要查它是否像真實情況。還要查它有沒有抄到真人，或漏掉少見例子。

合成資料怎麼做出來

合成資料不是把姓名塗掉的真人病歷。研究人員用電腦規則或AI，做出新的數字、文字或影像。

有些工具先學真實資料裡常一起出現的線索，再做新例子。也有工具模擬人體和醫療影像設備，直接算出影像。

目標是讓整批資料保留真實世界的規律，卻不直接複製某人的紀錄。這就像重新出題，不是把原考卷擦掉名字。

FDA是美國管理食品與醫療產品的政府單位。FDA正研究合成資料能否補充病人資料，以及它有哪些限制。

例如，某種影像太少，AI就沒有足夠例子可學。合成資料可以試著補上，但要確認它符合真實情況。

假資料也要查有沒有洩密

「去識別化」和合成資料不是同一件事。前者從真人資料拿掉姓名等線索，後者由電腦做出新例子。

FDA研究人員整理許多論文後提醒，生成工具可能記住特定資料。這會傷害病人的隱私，所以電腦做的資料不一定安全。

檢查不能只看影像像不像真的。還要查它有沒有抄到真人，也要查少見例子有沒有被漏掉。

有些合成資料會先讀取真人紀錄。製作團隊在這個階段，仍要依法保護原始資料。

看起來像真的，為什麼還不夠

第一，研究人員要查新資料有沒有保留需要的規律。影像看起來正常，重要的小地方仍可能錯。

第二，要把AI完成工作的結果和可信資料比一比。只看影像漂不漂亮，還不能知道它是否有用。

第三，測試資料要像工具未來會遇到的人。如果只測常見例子，少見病人仍可能被漏掉。

AI一直抄AI，可能忘記少見例子

想像你抄同學畫的校園地圖，同學又只抄你的版本。每抄一次，小路或角落都可能少一點。

AI學完許多例子後，會得到一套判斷方法。研究人員把這個成果叫做「模型」。

Shumailov團隊發現，AI反覆學前一代的內容時，少見內容會先消失。研究團隊把這種情況叫做「模型崩潰」。

研究裡有會處理文字的語言模型，也有其他生成模型。它沒有測遍所有醫療影像AI，不能說每一款都會崩潰。

另一組測試每10筆會保留1筆原始資料。結果只出現較小的變差，但這不是醫療AI的固定配方。

目前能確定什麼

合成資料可以增加練習例子，卻不能完全取代真實資料。它的用途與製作方式不同，需要的檢查也不同。

台灣個資法保護病歷與健檢資料。換成合成資料後能否連回真人，不能只看資料名稱決定。

模型崩潰研究提供一個警告：AI只學AI時，少見內容可能先消失。醫療AI會不會出現同樣問題，仍要個別測試。