美國周二（3月12日）發表一項大型研究稱，新冠大流行（2019冠狀病毒病）疫情頭兩年，人類平均減壽1.6年。數據來自美國健康指標與評估研究所（IHME）。截至2023年8月，世界衛生組織（WHO）錄得全球感染病例7.6億宗，死亡人數逾690萬。專家相信實際數字更高。
中大醫學院賽馬會公共衞生及基層醫療學院副教授郭健安教授接受灼見名家專訪時表示：「醫學院研究團隊曾發表兩項研究，其中一項證明ChatGPT在醫學訓練下，能準確識別社交媒體上的新冠病徵。不過，重點不在於它的識別成功率達到85%或更高， 而是我們能否借助類似智能工具及大數據，在下一波大流行出現前，作出前瞻性預測，幫助公共醫療系統及早調節醫療配套，基層診所及院舍更早作出隔離安排。」
不再重演沙士及新冠悲劇
中大醫學院前院長陳家亮教授曾公開表示，至今想起新冠疫情期間，長者要捱冷捱夜在醫院外排隊候診時，仍然會眼濕濕，「因為覺得醫生可以做得更好。」郭教授與研究團隊的成果，正好提出了一個新思考，可能讓醫生可以做得更好。郭回想新冠疫情高峰期時，安老院舍長者死亡率很高，因為突然面對一種全新的病毒大流行時，全球醫生掌握的資訊滯後，唯有追在病毒後面努力。他與副研究員衛藴姸均表示：「假設新冠來襲時，醫學界已掌握到如何將互聯網上、醫生牌板、院舍報告上浩瀚的文字記錄，轉換成電腦可計算的結構性數據，我們將可掌握實時資訊，更早總結出治療方案。」
更進一步，是防患於未然，透過AI隨時分析世界各地出現的、未曾被醫學界有系統地識別的各種徵狀及數據，就可提早研發疫苗、準備防疫物資、調整醫療配套，不需再重演2003沙士時醫護前線犧牲的悲劇、2020年新冠突襲時，市民搶口罩與潔手液、有些地方甚至要搶疫苗的荒誕劇情。
中大兩研究真正價值：醫療防疫、精準治療
郭教授指，中大醫學院近期在全球排名前十的醫學期刊《醫學病毒學雜誌》及《臨床微生物學和感染》上，發表了兩項研究：一是利用文字配對演算法，分析多份截至2022年8月25日新冠患者病例症狀數據的文字報告（free-text symptom narratives），揭示新冠症狀會隨病毒變異和患者疫苗接種情況改變。該分析更識別出發燒、鼻塞、肺炎和呼吸急促這一組症狀，有預測未接種疫苗及有病徵的年長患者死亡風險的作用。
另外，研究團隊將基礎科學研究及臨床傳染病學知識灌輸給AI（人工智能）大型語言模型ChatGPT，探索其對網絡上、紙本報告上的文字報告轉換成結構性數據的可能性。結果顯示，ChatGPT能識別常見症狀，敏感度高於85%。
郭教授及衛藴姸表示，上述研究在環球醫學界屬於較罕見，算是醫學運用大數據的一個比較新的突破，兩項研究有三大突破點：
一，未來醫療防疫
ChatGPT具備識別上文下理的獨特智能，對廣東話的辨認能力也不俗，但需要由人類輔以基礎知識，幫助我們揀選到所有相關病徵，過往在問卷調查、醫生報告、院舍紀錄上沒能發揮作用的文字記錄，成為高效能的大數據。衛藴姸指，是次研究模型參考了港人的說話特色，兼顧中文、中英夾雜、英文等文字記錄，準確度相當高，可達85%或以上。
AI大數據不單可用於文字轉換，也可應用於影像數據；除了可在傳染病學發揮大作用，也可廣及其他醫療領域，例如政府大力推動的各項長者或高危群組篩檢如大腸癌篩檢、子宮頸篩檢等，都可透過AI幫手「執漏」，結合文字報告、生理指標及基因組，更早即更精準判斷患病風險，減低癌友死亡率。
二，前瞻性藥物開發
郭教授表示，現在各地醫院都普遍存在抗藥性現象，好些連強力抗生素也不能治療的病，醫生也沒法阻止其入侵人體，「我們要跟細菌作競賽，通過AI系統結合生物訊息、化學數據，盡早開發新的抗生素，不止是早，更要高效能、低成本。」
三，趨向更精準的個體化治療
未來冀能將同一類疾病，再結合患者性別、年齡、家族病史、有沒有三高（如高血壓、糖尿病、膽固醇）等，精準分類，給予對應的個體化治療方案。又如新冠高峰期間，隔離方案是一刀切，全部檢測陽性的疑似病者都要統一接受兩星期營舍隔離，但如能透過精準分類，就可按病徵輕重、病毒數量多寡、風險高低等，給予不同的隔離日數，方便市民，提高社會工作效率，又不會影響社群安全標準。
交叉學科開闊視野 可加入未來醫療研究
郭教授表示，「我們永遠不會知道下一波大流行何時殺到埋身，2003年沙士、2009年流感大流行、2015年中東呼吸道疾病、2019新冠肺炎、近年主要在非洲爆疫的伊波拉病毒、一度令港人擔憂的猴痘，都是在初出現時令專家束手無策。識別病徵只是AI其中一項功能，能達致前瞻性預測，和時間競賽開發新藥、調控公共醫療配套，才是重中之重。」
怎樣去判斷一個全新疫情在爆發？方法就是去蒐集當時在社交媒體上出現頻率最高的搜尋關鍵字，除了已知的發燒、呼吸急促以外，還有沒有一些不尋常的、我們還未察覺到的病徵。2020年大家愛玩的社交媒體是Facebook、Instagram，郭教授笑說，2003年他年輕時，玩的仍是論壇。
對於有志加入未來醫療研究團隊的00後，郭教授說：「修讀交叉學科如：金融/醫學，數據分析/醫學，視野較闊；基礎科學/臨床醫學/公共醫療衛生；或數據分析/統計學/計算機科學等學生，則具備實幹基礎。他們加上良好語言能力，將更易融入國際研究團隊。畢竟現在AI大數據工具仍來自外國，研究團隊人員亦來自世界各地，就像今次我們的團隊便包括來自越南、英國、美國等不同地域的專家。」
兩位研究團隊代表稱，未來醫學發展應該各自各精彩，因為不同領域都有各自應用AI的無限潛能，傳染病的特色只是一爆就爆，無法預測。而人工智能的發展一樣快速，2012年電腦運算效能每秒浮點運算次數（Floating-point operations per second ；縮寫為FLOPS）僅為100個單位，2023年的FLOPS已經躍升到100億個單位，未來研究將會有更多新的里程碑，不過AI操作的醫療道德倫理則有待業界再深入研究及發布守則。
