醫美療程決策的不確定性：不是正確答案，而是選項

帶著同樣的困擾走進三家皮膚科診所，可能會得到三種不同的建議。有人建議雷射，有人建議拉提，也有人可能會說還不需要做療程。有過這種經驗之後，人會變得困惑：到底誰才是對的？今天要談的就是這個問題。先說結論：三個都沒有錯的可能性很高。

癌症治療有指引

醫學的許多領域都有標準治療指引，癌症就是代表。一旦確定了癌症種類與分期，國際指引就有建議的治療順序，全世界的醫師大致都在這個框架內行事。我在 Lunit 做的預後預測研究，也是因為有這樣標準化的體系才得以進行。

但在醫美療程的世界裡，並沒有這種絕對的指引。面對同一條皺紋，並不存在一個被建議的標準療程。這不是醫療不夠成熟，而是這個領域的決定本來就是這樣的結構。

療程決定，是三件事交會的地方

療程的決定，考量的不只是膚況。至少有三件事同時在作用。

• 膚況：哪個指標、變了多少、在哪個部位
• 醫師的經驗：熟練哪些療程、操作過哪些儀器
• 顧客的偏好：能承受多長的恢復期、預算多少、對疼痛的敏感度如何

同樣的肌膚，對於無法承受恢復期的上班族，和時間寬裕的人來說，最佳選擇並不相同。同樣的療程，做過幾百次的醫師和沒有的醫師，結果也可能不同。三家皮膚科診所給出不同建議的原因就在這裡：各自在不同的經驗與不同的前提之上，各自給出了合理的答案。

所以需要另一種方式的 AI

這裡就和一般的醫療 AI 產生了差異。診斷 AI 是被訓練來猜中唯一正確答案的，因為像「是不是癌症」這類問題，一般被認為有正確答案。但如果把同樣的方式用在療程決定這種有多個正確答案的問題上，AI 就會把多個合理選項中的一個，說得像是唯一的正確答案。那不是幫助，而是扭曲。

先前我談過在嚴重程度評估中，學習「多位專家的判斷分布」這件事。療程決定，是那個問題的擴大版。AI 該學的不是唯一的正確答案，而是在這種膚況下實際會被選擇的各種可能性，以及它們背後的脈絡。

資料也必須跟著變寬

要打造這樣的 AI，得先從資料開始改變。如果只用一位醫師、一家機構的資料訓練，AI 學到的只是那位醫師的風格。必須納入各種醫師與醫療機構的決定，才能學到選項的廣度；更進一步，由於每個國家偏好的療程與儀器都不同，還需要擴展到全球資料。

這就是我們想走的方向。我認為 INSKINVIEW 不該是一個開立療程處方的工具，而該是一個讓你看見在自己的膚況下存在哪些選項的工具。答案終究是由醫師和顧客面對面決定的，而資料要做的，是為那場對話建立起點。