[白袍雜想] 整形外科的跨界修煉

 

最近在一場科內會議結束後，一位資深的主治醫師拍拍我的肩問我：

「你已經是整形外科醫師了，還去唸什麼PhD？ 想搞AI的話，找個團隊開發就好啦。」

 

那一瞬間，我沒急著回話，卻在心裡留下了一道反問：我到底為什麼要這麼做？於是我開始了這段反思，試著重新定位身為一個 Plastic Surgeon, ICU Clinician, AI Data Scientist 的意義與必要性。在臨床上，我們每天都在解決問題，調整術式、臨場判斷、面對各種生理與心理變化；但當我走進Data Science裡面才發現，這裡的遊戲規則完全不同。

不是技術不重要，而是只有你能夠定義什麼是真正的「醫療問題」，這是任何一個純工程背景無法從臨床角度精準抓出的。在過去，我們常被定位為「醫師協助標註」、「提供醫療知識」，但若不能參與資料結構設計、風險評估、模型驗證—我們終究只是旁觀者。

我不想只是幫忙回答「這是不是肺炎」，而是想設計一個模型去判斷：「在這樣的病人樣貌下，我們應該如何調整治療策略？」

 

很多人以為學AI是為了「自己會寫模型」，但後來我漸漸意識到，那只是表層。真正的核心是：我想主導一個更正確的 Decision-Making system，為了病人、也為了整個醫療流程。Surgeon Data Scientist 並不是比工程師更會寫code，也不是比統計學家更會跑分析，而是：

能夠從一個臨床決策的角度出發，定義資料該如何蒐集、模型該如何設計、結果該如何詮釋與應用。

 

手術的決策，從來不是「把刀開好就好」，而是取決於何時該開刀、該怎麼溝通、預期風險與收益。 資料科學其實也是一樣：模型不是重點，能不能協助我們在不確定中做出更合理、更符合病人價值的選擇，才是終極目標。

也許這條研究之路，並不是每位醫師都需要走，但我開始相信，未來醫療的樣貌，終究不會只來自手術房或診間，而會來自那些願意在學術、臨床與創新之間來回走動的人。