三間公立醫院的臨牀醫生在一周內分別沒有察覺X光片顯示病人肺部出現異常陰影，從而令三位病人延遲診治逾年，事故共涉及七、八名內科、外科和急症科中不同職級的醫生，據調查報告形容是負責醫生出現「感知落差」，未能察覺X光片顯示的明顯病變，可能與影像不夠清晰或醫生未能專注「睇片」處理病人情況有關。我們認為，這醫療事故的性質極為嚴重，因準確斷症是醫治病人首要一環，無論工作如何忙碌及人手怎樣緊張，也不出現上述「睇漏」情況。公院人手不足及工作量繁重，更需要借助醫療科技。醫管局提出本年底前在一間急症室試行A1(人工智能)臨床應用，協助醫生先找出或有異常的X光片，這是值得支持的方向，甚至應該投入更多資源加快廣泛應用，因有助「斷症」及「降低醫療成本」。英國及法國近年亦投放巨款發展AI，可為更多病人燃點希望。

醫管局於去年11月成立調查委員會，透過三宗未能適時察覺X光片顯示病人肺部出現異常陰影的個案，探討如何協助及支援醫護人員更適時從X光檢查中察覺病變。委員會經調查後，認為三宗個案共通的根本原因為「感知落差」（perceptual error）。據解釋，有關醫生出現「感知落差」，可能與肺片影像質素和清晰程度，或解讀影像時的速度有關，也有可能因急症科醫生等須同時處理很多不同臨牀工作，分散了專注力所致。醫生判斷X光影像時，要結合病人病徵、病歷及接受檢查的原因後，訂立檢視目標，醫生若太集中處理該目標，亦可能忽略其他地方出現的問題。

我們認為，今次醫療事故涉及，瑪麗、瑪嘉烈及威爾斯共三間「龍頭」醫院，人手相對充足，醫生經驗也較豐富，所以出現集體看漏片，無法即時斷症的情況，是令人失望。如果用忙中有錯或「感知落差」來解釋作開脫，絕對難以令病人的家屬接受，這份報告及一聲道歉也難以令他們釋懷。

然而，不幸事件已發生，唯有汲取教訓，作出檢討。調查委員會在醫療科技方面，建議：研究使用人工智能系統協助檢出偶然發現或未能輕易察覺，並與原有檢查目的無相關的病變；外購遙距放射科解讀服務予海外放射科專家協助分析等。醫管局期望在今年年底前，在試點部門展開臨牀應用AI輔助的可行性研究，初步試驗成功後便推展到其他醫院。AI只是用作支援醫生的臨牀判斷，而非取代醫生親睇檢視X光片。

A1（人工智能）已有數十年歷史，非今時今日技術，但公院使用的範圍有限，臨床亦應用較少。長遠而言，食衞局及醫管局必須投放更多資源、更大力度去借助醫療科技，應付高齡化社會下，愈來愈多的公院病人。事實上，這亦是全球發展大趨勢，去年起，各國在AI醫療應用上大力投資，而美國雜誌《福布斯》預計今年全球對AI在醫療上的投資將突破17億美元，「AI」更成為是醫療領域的關鍵字。

《哈佛商業評論》曾指出，AI應用以機械手術助手、虛擬輔助護理、優化管理工作流程、降低劑量誤差率、聯網機器、臨床試驗、初步診斷、自動圖像診斷及醫療數據網絡安全等最有優勢，預計可在2026年前為美國醫療界每年節省1,500億美元（約11,700億港元）。例如AI可以快速分析已有的龐大醫療數據，協助醫生準確斷症，例如Google旗下Deppmind公司曾研發出AI整理視網膜光學斷層掃描（OCT）檔案，協助眼科醫生診斷眼部疾病，準確率逾九成。

英法亦已投放大量資金在醫療發展A1，其中，英國政府將在國民醫療服務中應用人工智能（AI）技術，目標是在2033年之前每年減少2.2萬起因癌症而死亡的病例，這個數字約為英國每年癌症死亡人數的10%。AI將綜合病人的醫療紀錄，習慣和基因等信息，每年能至少篩查出5萬起癌症早期病例，包括前列腺癌，卵巢癌，肺癌和大腸癌等。這些癌症患者若及早就醫，死亡率將大大降低。此外，AI技術可以通過掃描眼睛，幫助醫生預測病人發作心臟病或中風的概率。