.jpg)
.jpg)
.jpg)
[演講] 從哈士奇到修格蘭氏症：當AI遇見中醫，科學從一個好奇開始
https://tcmcmc.blogspot.com/2026/09/2026gftcmaAIDESJS.html
很高興受邀參加「2026 全球中醫藥學術大會」。今天（2026/09/12）在「AI在中醫藥臨床應用研討會」中，我分享了我們近年將人工智慧應用於修格蘭氏症（Sjögren’s syndrome, SJS）與乾眼症（dry eye syndrome/disease, DES）多模態評估的一些研究想法與實際經驗。
這次演講裡，我特別用了一個很簡單的例子來說明我們為什麼會開始做這件事。
哈士奇和阿拉斯加雪橇犬長得非常相像。對沒有特別研究犬種的人來說，很多時候第一眼真的很難分辨，甚至會覺得「不就是差不多嗎？」但是對電腦來說，如果我們提供足夠的影像，並利用原本發展於人臉辨識的 ArcFace 技術進行深度學習，模型可以嘗試把影像映射到一個高維度的特徵空間，在這個空間裡學習那些人眼不一定容易描述、卻具有鑑別能力的細微特徵。
這其實就是 fine-grained visual categorization 很核心的概念：不是去區分「完全不一樣的東西」，而是在兩群外觀高度相似的對象之間，尋找真正具有辨識價值的細微差異。
而這個概念，正好讓我想到我們在臨床上一直遇到的問題。
乾眼症與修格蘭氏症的病人，都可能有明顯的眼乾、異物感、疲勞、灼熱感，也都可能伴隨口乾。在中醫的臨床觀察中，兩群病人的舌象有時也非常相似。單純用肉眼觀察，可能都會看到舌質偏紅、津液減少、舌苔改變等現象。因此，一個很自然的問題就出現了：
如果連有經驗的臨床醫師都覺得兩群病人的舌頭很像，那麼這些舌象裡，究竟有沒有我們肉眼還沒有能力穩定辨認的特徵？
這就是我覺得人工智慧真正有意思的地方。
AI的價值並不是取代醫師，也不是把傳統中醫的望診變成單純的「電腦看圖」，而是提供我們一個新的工具，重新檢視過去主要依賴經驗判斷的臨床資訊。人類醫師擅長的是整合病史、症狀、檢查結果、疾病脈絡與臨床經驗；而機器學習可能擅長的是，從大量高維度資料裡找到我們不容易直接察覺的規律。如果把兩者結合，就有機會把一些原本相對主觀的臨床觀察，逐漸轉化成可量化、可比較、可重複驗證的數位表型（digital phenotype）。
所以我們思考的不只是「AI能不能分辨SJS和DES」，而是更進一步去問：舌象影像裡到底藏了什麼資訊？這些影像特徵是否與眼乾嚴重度、Schirmer test、OSDI、全身症狀，甚至中醫體質之間存在關係？影像、問卷、臨床檢查與其他生物資訊，如果放在一起，是否能形成比單一指標更完整的疾病表型？
這也是為什麼我會把研究逐漸往 multimodal assessment 的方向發展。
因為真正的病人從來不是一張舌頭照片，也不是一個OSDI分數，更不是一個Schirmer test數值。疾病本身就是多維度的。尤其修格蘭氏症這類全身性自體免疫疾病，從局部乾燥症狀、疼痛、疲勞，到自律神經、免疫、代謝與生活品質，都可能彼此交互影響。如果我們只看單一資料來源，就很容易只看到疾病的一個切面。
我一直覺得，人工智慧真正值得期待的地方，不是因為它很新，而是因為它讓我們有能力重新回答一些以前很難回答的問題。
而這也回到我今天最想分享的一件事情：科學其實是從好奇開始的。
很多研究的開始，並不是先有一個很複雜的模型，而只是看到一個現象，然後多問一句：
「為什麼？」
「真的一樣嗎？」
「有沒有我們沒有看到的差別？」
「有沒有更好的方法可以證明？」
哈士奇和阿拉斯加為什麼看起來這麼像，電腦卻可能分得出來？
乾眼症與修格蘭氏症的舌象看起來這麼像，是否也存在一些細微、但具有生物學或臨床意義的特徵？
從表面看，這兩個問題完全沒有關係；但其實背後都是同一種研究精神。
先觀察一個現象，再提出一個簡單而清楚的問題，接著尋找一個適當的方法去回答它。最後，讓資料告訴我們原本的想法究竟是對還是錯。
我認為這才是科學最有趣的地方。
而對中醫研究來說，我也一直認為我們真正要做的，不是一直證明「古人是對的」，而是要把過去累積的臨床觀察重新轉化成今天可以被研究的科學問題。舌診、脈診、體質、證候，這些都是中醫長期累積下來的臨床資訊；真正重要的是，我們能不能利用現代影像分析、人工智慧、生物資訊與臨床研究方法，把這些資訊重新拆解、量化、驗證，進一步找到它們真正具有臨床意義的部分。
所以對我而言，AI並不是中醫的對立面，反而可能成為我們重新理解中醫的一種方法。
明天（2026/09/13），我會換另外一個角度，在「中醫藥實證研究成果發表研討會」分享「整合中西醫治療修格蘭氏症及乾眼症」。如果今天談的是「如何利用新的科技重新看見疾病」，明天更想談的就是「看見之後，我們如何真正回到病人的治療」。
從乾眼症到修格蘭氏症，臨床治療從來不只是讓某一個數字改善，而是要思考症狀、疾病活動度、生活品質，以及中西醫治療之間如何互補。這也是我們這幾年一直努力的方向：把臨床問題帶回研究，再把研究結果重新帶回臨床。
而明天下午對我自己來說，也有一個很特別的安排。剛好可以坐在台下，聽我的指導教授張恒鴻教授分享「近二十年臺灣中醫方藥臨床研究之回顧」。
我想這件事情其實很有意義。
從老師那一代建立臺灣中醫臨床研究的方法與基礎，到我們這一代開始加入影像分析、人工智慧、多體學與客觀量測，研究工具一直在改變，但有一件事情其實沒有改變：研究永遠是從臨床問題開始。
二十年前可能問的是：「這個中藥方到底有沒有效？」
現在我們可能進一步問：「對哪些病人有效？為什麼有效？哪些生物特徵可以預測療效？哪些臨床表型其實代表不同的疾病機轉？」
工具愈來愈複雜，但最重要的，還是那個最初、最簡單的問題。
科學源自好奇。
研究源自提問。
而真正好的研究，往往只是把一個看似簡單的問題，認真地找到一個方法，把答案做出來。
這也是我今天最想分享的事情。
.jpg)
.jpg)
.jpg)
沒有留言:
張貼留言
感謝您的寶貴意見，張清貿醫師