編譯／潘楠慕

醫療保健系統的運作相當複雜，從檢測、診療、行動診所、測試設備等，都需要在正確的時間把所需物品運送至正確的地點。然而，對一些資源有限，且爆發流行病的國家來說，維持醫療系統正常運轉並不容易。

為了改善這個問題，全球醫療保健組織準備採用大型企業的技術，提升醫療資源配送的效率，包括人力與物資。這些大型企業在物流方面已有成熟的網路和經驗，近年來更已導入人工智慧（AI）供應鏈管理工具，醫療照護機構正嘗試運用這些軟體，協助決定在哪裡設立新診所、如何分配設備和員工以及優先考慮哪些支出。

根據世界衛生組織（WHO）的報告，全球中低收入國家當中，只有百分之一的診所和百分之十四的醫院擁有診斷愛滋病、肺結核和瘧疾等流行病所需的充足設備或人員。新冠肺炎爆發，再次凸顯這個問題；醫學期刊「刺胳針」（The Lancet）在二○二一年成立的委員會指出，全球將近一半人口無法獲得適當的檢測服務。即使能進行檢測，結果也常不準確，或者取得結果的速度太慢，無法及時用於臨床診治。

一些醫學專家指出，公共衛生的問題其實能以生產鏈的概念加以解決。英國醫療集團BroadReach的共同創辦人薩金特（John Sargent）醫師表示：「為什麼可口可樂可以把冰鎮可樂運送到世界上一些最偏遠的地方，但我們卻不能在醫療保健方面做類似的事情？」

瑞士非營利組織「創新診斷基金會」（FIND）的歐伯特（Heidi Albert）表示，從零售業到製造業，各行各業的公司都開始使用AI及數位技術，應對全球持續供應鏈中斷的情況，「醫療保健網路也能套用」。歐伯特指出，公共衛生服務也應該採用「優化」（optimization）的技巧，讓資源物盡其用，服務最多的人口。

目前，AI技術已能預測貨物流向，管理倉儲並估算潛在的運送問題和解決方案。FIND也與美國商業管理軟體公司Coupa合作，開發一套可應用於醫學檢測服務的管理系統。

這套「 OptiDx」軟體能透過機器學習，分析檢測需求，有效分配資源，確保人員和裝備到位。此外，OptiDx也能模擬各地檢測設施的位置和量能，讓政府了解應如何部署資源。目前，FIND已在非洲、越南、孟加拉等地試用這套軟體，測試結果顯示，若依據AI建議，檢體的運輸距離平均減少十一倍。

BroadReach則與微軟合作，利用AI研判人手最不足的診所，再調派人手增援。此外，AI也能追踪個別患者，監測他們是否獲得所需的治療。薩金特表示：「我們的系統能彙整醫療紀錄與社會經濟數據，藉此了解患者的行為模式以及生活條件，讓醫患關係更緊密。」



推動農業科技化 AI有被駭風險

農業是最古老和最重要的產業之一，在經濟和社會領域發揮重要作用。隨著全球人口邁向八十億大關，糧食供應的壓力持續升高。據聯合國統計，每年全球平均約有九百萬人死於飢餓或營養不良。科學家們正致力提升糧食供給，其中一個新方向就是人工智慧（AI）的應用。

劍橋大學的農業專家查科爾（Asaf Tzachor）指出，創新技術將是農業革命的要角，有助解決糧食危機，但他警告，AI的使用有如兩面刃，採用這項技術的同時，必須為伴隨而來的風險做好準備，包括駭客攻擊、AI研判失誤等。

查科爾表示，農業現代化是解決糧食問題的重要途徑，一九五○年代出現的第三次農業革命，就是透過殺蟲劑和肥料的改良，以及高產量作物品種，大幅增加作物產量。

然而，現代農業科技的副作用已開始浮現，例如溫室氣體導致地球暖化。此外，現有技術增加的產量已經跟不上糧食需求，致使食物的價格持續竄升。

科學家也開始推動第四次農業革命，其中最重要的元素是AI。目前，工業和高端服務業已廣泛採用AI，透過數據分析尋找最佳商業模式與決策。

在農業領域，AI能協助偵測作物病蟲害、預測天氣和收成期。另外，自動化的農業機器能協助播種、施肥、灌溉和收割。

不過，查科爾強調，自動化農業科技存在一定風險。這些創新技術需透過網路連結與控制，因而成為駭客攻擊的目標。糧食生產鏈的其他環節也可能遭入侵。二○二一年美國的食品生產、加工和包裝商共通報四十起惡意軟體攻擊與勒索事件，除了相關資料外洩，還導致生產線停擺。

此外，人為的設計錯誤或儀器失靈，也會嚴重破壞環境，例如自動化系統可能為提高產量，過度使用農藥和肥料，導致土壤和水道受汙染。查科爾呼籲，在推動農業AI應用之際，生態學家應協助把關，農業科技公司也應該持續提升系統的安全性。



AI深度學習 準確預測地震

地震是破壞力最強，且最難預測的自然災難之一，許多科學家都希望找出精確預測地震的方法。美國史丹福大學的專家正在研究，如何利用人工智慧（AI）過濾雜音，提升辨別地震訊號的精確度。

目前對地震的監控方式是利用地震儀測繪地表晃動產生的震波，以研判震央、追蹤地震強度，據此發布餘震、海嘯等警報。

史丹福大學地球物理學系的研究團隊指出，人口集中、建築物密集的都會地區充滿雜音，增加地震監測的難度。為了更準確地掌握地層活動，研判異常電磁波，研究團隊嘗試以AI排除城市的背景雜音，準確掌握地震訊號。

研究人員利用AI的深度學習（deep learning）技術，研發「都會降噪器」（UrbanDenoiser）軟體。他們為AI提供八萬座城市的噪音及地震訊號樣本，經過訓練後，AI能夠排除城市噪音，偵測到的地震動態比官方紀錄多四倍。

專家指出，這項技術有助地震活躍帶的國家或地區監測地震，包括南美、墨西哥、地中海、印尼和日本等。此外，賓州州立大學的研究團隊，也試圖利用AI提升地震預測技術。該校的研究團隊開發XGBoost軟體，分析超音波數據，成功預測在實驗室內模擬地震的時間和規模。

專家指出，這些研究成果距離精確預測地震仍有一段距離，但已證實AI的潛力。倫敦大學皇家哈洛威學院（Royal Holloway）地震學家柯勒梅潔爾（Paula Koelemeijer）表示，AI可在短時間內處理大量數據，大幅減輕地震監控人員的負擔，如今再導入新的降噪技術，將有助專家更全面掌控地震情況。