所以應用AI-PRS能夠治療各式各樣的病，也可以找出很好的雞尾酒療法，但 並沒有應用到任何的生物科學的知識。生物體是複雜系統(Complex Systems)的其 中之一。 複雜系統(Science Vol. 284, April 2, 1999 & Science Vol. 325, July 24, 2009)，指出 複雜系統需要符合下面的四個條件：
1. A Large Number of Interacting Elements;
2. Self-organized into a Non-Linear Dynamic System;
3. The System Emerging Properties Can NOT Be Step-by-Step Derived from These Interacting Elements;
4. Adaptability and Robustness.
第一個條件，必須有大量的相互作用元素在其中；然後這些相互作用的元素 自主交織成一套非線性的動態系統；而且無法找出明確的個別步驟，來解釋這些 隨元素互動、系統合成而誕生的各種特性；經過長期的演化，複雜系統有非常強 大的適應性與穩定性。
以我們人體為例，我們的體內有許多細胞所組成與互相作用；而細胞是由蛋 白質核酸(Nucleic Acid)自行合成；我們也無從得知蛋白質核酸如何從分子、細胞、
器官形成的過程中，一步步地獲得它們特別的功能(皮膚感知、肝臟解毒等)；而 且還能具備足夠的適應能力。
為了解釋複雜系統，我們的AI-PRS函數可以扮演什麼樣角色呢？在圖4-12的 AI-PRS函數的等號右邊，代表的是藥物的分子與疾病間的互動關係，其中，各個 係數(x0, y1, y2, z1, z2, z12)一直隨著時間而改變，並有非線性項(Nonlinear Term) 來代表彼此的互動關係；函數的等號左邊，則是藥物的功效或毒性。所以就可以 把複雜系統裡的互動關係與其互動後所產生的系統新生特性(Emerging Property)，
用一個簡單的函數所代表的數學關係來描繪出來。因此，複雜系統就是AI-PRS 函數的科學基礎。
資料來源：整理自主講人簡報。
圖4-12 以簡單數學式描繪一個複雜系統
(二) 非正規方法與顛覆性科技
我們解決問題的方法是一個「非正規方法(Unorthodox Approach)」，並塑造 了一個「顛覆性科技(Disruptive Technology)」，我們的AI-PRS方法並非從單一建 構的知識系統、科學基礎中產生的，而是經由數個領域(Multidiscipline)中的不同 知識系統相互交流，顛覆了故有的認知，才衍生而得的科技。顛覆性科技是經由 巧妙的數個領域整合而誕生的一種藝術，能夠對人類的生命與生活帶來很大的貢 獻。
六、 結語
最後，請容我簡單地總結一下今天的內容。仰賴人工智慧的方法，我們找到 了一個支配法則、一個生物反應函數，來解決醫學的三個難解的問題。也就是我 們可以量化藥物與功效或毒性間的關係，醫生可以在治療病患時，預測藥物的療 效；我們也可以最優化藥物與劑量的組合，讓藥物的療效最大化、毒性最小化；
更只需要少量的校準測試，就可獲得足夠的資訊，讓個人化醫療成為可能，未來 病患將享有更好的醫療服務。
而這個解決了這三個難題的簡單生物反應函數，其實是一個非常平滑的曲面，
是一個拋物面，所以我常常開玩笑說，每一個人都是Parabola(拋物線)，但是我們 每個人的Parabola都不一樣，而且同一個人的Parabola會隨著時間而變，是一個動 態的非線性系統。
從過去十多年的研究中，我學會了一件事情。面對一個很複雜的系統，或是 一道很複雜的難題，我們不需要從最複雜的觀點切入，我們可以找出另外一條道 路，用很簡單的方法來解決他。
Life can be very simple! Do not make it too complex!
註腳的連結8是我的個人網站，大家若有興趣知道更多的內容，歡迎瀏覽我的 網站，可以看到過往發表的許多論文，都鉅細靡遺地探討如何以AI-Medicine治療 各種的病症。
而這個技術能取得成功，完全是仰賴我過去五十餘名的博士學生，聰明、勤 奮，最重要的是他們有大膽嘗試精神，讓不可能變為可能，以及許多的研究夥伴，
還有全世界與我們合作的幾十個的實驗室。我的演講到此為止，謝謝大家的聆 聽。
8 https://sites.google.com/g.ucla.edu/chih-ming-ho-system-laboratory
AI 與防疫科技
陳建仁
中華民國第 14 屆副總統、中研院院士、中研院基因體中心特聘研究員
一、 前言
謝謝郭校長的介紹，今天感謝主辦單位中技社的邀請，讓我能夠有機會來跟 大家分享一下人工智慧(Artificial Intelligence, AI)與防疫科技的關係，今天的研討 會有許多人工智慧的專家，我是班門弄斧，還請各位多多指教包涵。
大 家 都 很 清 楚 ， 人 工 智 慧 在 健 康 照 護 應 用 的 實 例 相 當 多 ， 根 據 Sam Daley(2020)的蒐集彙整(詳見表5-1)，大概可以分為：(1)疾病診斷、(2)機器人協 助治療、(3)新藥發展、(4)醫療數據探勘與分析、(5)患者體驗升級等五大類。
表5-1 人工智慧在健康照護應用的實例 To Efficiently Diagnose And Reduce Error
1. More Accurate Cancer Diagnosis With AI (Pathai, Cambridge) 2. An Intelligent Symptom Checker(Buoy Health, Boston)
3. Earlier Cancer Detection With AI(Freenome, San Francisco) 4. Diagnosing Deadly Blood Diseases Faster(Beth Israel, Boston) 5. AI-Powered Radiology Assistant(Zebra Medical Vision, Shefayim) AI Robot-Assisted Surgery
1. AI Robots Revolutionizing Endoscopy(Auris Health, Redwood City) 2. Precision Robotic Treatment For Treating Cancer(Accuray, Sunnyvale) Developing New Medicines With AI
1. AI In Biopharmaceutical Development(Bioxcel Therapeutics, New Haven)
2. Treating Rare Disease With AI(Berg Health, Framingham) 3. AI, Cloud-Based Digital Drug Discovery(Xtalpi, Cambridge) 4. Neural Network For Clinical Trials(Atomwise, San Francisco) Mining And Managing Medical Data With AI
1. A Massive Data Library For Personalized Health(Tempus, Chicago) Streamlining Patient Experience With AI
1. Real-Time Patient Flow Optimization(Qventus, Mountain View) 2. AI For Hospital Risk Prediction(Kensci, Seattle)
資料來源：Sam Daley (March 25, 2020), 整理自主講人簡報。
譬如說，一家位於Boston的Buoy Health公司所完成的Intelligent Symptom Checker，已可以進行相當良好的疾病診斷，而且誤差相當的小；現在以AI強化
的影像分析已經相當普遍；AI目前也相當程度地涉入機器人治療的發展；在發展 新藥方面，剛才我們聽到了何志明院士跟大家分享他如何利用AI找出最佳的藥物 與劑量組合(Combinatorial Drugs)，甚至可以找出治療新型冠狀病毒(SARS-CoV-2 或 COVID-19)的最佳的藥物與劑量組合，以及藥物臨床實驗等；這些都是人工智 慧在健康照護上應用的實例。
若我們把焦點拉回防疫科技領域，第一個最重要就是疫情的監控(Disease Surveillance)，AI能夠扮演什麼樣的一個角色呢？譬如說，如果各國對於疫情資 個以預測各國疫情擴散風險與發展模式的實際案例。第一個例子是Johns Hopkins University的風險預測系統，在這個系統的預測之下，台灣被認定是可能受到嚴重
後來我有機會與Johns Hopkins University的研究團隊以視訊方式一同研討，
對方詢問預測錯誤原因可能為何？我回覆說，他們在預測的過程當中，並沒有把 的季節變化(Seasonal Variation)的軟體，叫做Google Flu，但是後來沒有成功，最 主要的原因可能也是預測疫情的發展，需要有更多的參數來納入。
線、旅客人數，預測到十多個高風險城市。我們後續分析其預測結果，還蠻正確 的，但是當時大部份的人都不太相信，也沒有採取對應的入出境管控措施(Border Control)；但是台灣不一樣，我們在BlueDot公司預測之前，就已經開始管控入出 境旅客了。AI在國際擴散路徑預測的應用是很重要的。
再來就是利用AI強化入境檢疫措施，在入境者進行居家檢疫、居家隔離的時 候，做出更好的電子圍籬管控，避免本土感染跟散播的發生。例如行政院採用大 數據分析，了解疫情散播的可能狀況，再以細胞簡訊廣播(Cell Broadcast)方式，
對民眾發出警訊，對於防止疫情在本土擴散相當有幫助。
至於大家最關心的快篩試劑、治療藥物跟疫苗的研發，AI也扮演了決定性的 加速角色，從新冠疫情開始到現在，短短的九個月時間，各國藥廠都已經取得相 當不錯的研發成果，速度之快，讓大家都非常的訝異。