(今周刊1488)
一套內部試驗準確度高達九五％的AI軟體，走出醫院卻有如迷航，無法判讀其他臨床場域資料；
為解決問題，衛福部建立外部驗證機制，找來各醫院共組小聯盟、蒐集跨域資料，提高AI模型適應性。
五年前，台大醫院前副院長、復健部主治醫師王亭貴與研究團隊開發一套AI系統，將患者吞嚥的X光動態攝影，定格切分成數十張X光片，由AI從一張張的圖片中判讀舌骨移動範圍，觀察患者是否吞嚥異常。
過去一張X光片，透過人工標記要耗時三十分鐘，有了這項AI，直接縮短到一分鐘，且準確度更高。台大團隊在學會發表研究結果，很快勾起中國醫藥大學附設醫院和羅東博愛醫院的興趣，尋求合作。
「但他們的片子丟過來，AI卻沒辦法判讀。」王亭貴解釋，因為各醫院X光片格式、拍攝方式位置和解像度都有差異，只受過台大資料訓練的AI，遇到不同臨床情境，判讀準確度大幅降低。後來，這套軟體開發無疾而終，他直白說，「這是一次失敗的經驗」。
相隔五年，當AI模型走出實驗室，推展到不同醫療院所，遇到「泛化能力」不足，也就是無法更廣泛解讀新資料的困境，仍然普遍存在。
.jpg_280x210.jpg)
