All Article

雲馥數位以雲端託管維運服務(MSP) 為核心，4年內服務超過400家企業客戶用雲端進行數位轉型，從製造、金融、醫療、電信等各行各業，都曾有過成功輔導轉型之經驗。

其中在醫療領域上，更協助沐恩生醫在AI醫學研究取得重大成果，台灣生醫人工智慧研究發展協會李光申醫師及台北榮總楊智宇醫師都借助沐恩生醫在AI演算及背後的雲端託管維運服務建立了醫學AI研究新典範。

雲力量與AI推波 引領醫學研究成果大邁進

台灣生醫人工智慧研究發展協會李光申醫師表示，就醫學研究者而言，過去病例都是逐筆統計，對於圖像資料蒐集的效率就會更低，近年來因為AI分析在醫學研究進步，透過大量樣本，MRI影像分析成為了可能。

沐恩生醫在MRI判讀的解決方案，以AI輔助前十字韌帶損傷之MRI影像診斷，從400案例做比對，經過電腦運算標註不正常影像，透過大量圖像培養電腦辨識能力，快速協助醫師判斷十字韌帶的正常與否，在效率上有大大的成長。

台北榮總楊智宇醫師在醫學AI有許多具體實踐，日前與沐恩生醫團隊合作，針對心臟手術後腎臟損傷的研究，透過沐恩生醫MAIA醫學影像判讀助理解決方案蒐集671位病人反覆訓練，並再針對202位顯著者做進一步測試，最後利用AI追蹤推測哪一位病人有損傷可能，針對機率高急性腎臟損傷病患有更密集照顧，有效減少腎臟病症併發機率。

除此之外，楊志宇醫師也同時使用沐恩生醫MQE醫文精粹系統，藉由關鍵字精確找到醫學問題及相關摘要，MQE醫文精粹系統協助醫師使用自然語言可以匯出論文參考格式並剪輯，更精準快速地找到所需的資料。

強力數位輔助、藉由雲端託管服務打造新商模

人工智慧並非創新概念，過去往往無論是軟體還是硬體都有技術上的顧慮，沐恩生醫王宇晨博士在3年前察覺到軟硬體技術已成熟，遂成立團隊協助醫界更加善用AI加強優勢。

王宇晨博士表示，這幾年許多醫師在醫療研究上，如果要運用AI往往被演算法還有複雜的操作所困擾，延伸的溝通成本更是無法計算，沐恩生醫團隊的工程師花了許多時間，製作出符合醫學使用的介面。

完成了流程優化，醫師們又表示希望本身的電腦不需要高效能電腦即可完成AI工作，因此沐恩生醫與雲馥數位聯手，協助醫界用戶們善用雲端進行運算及資料共享，時至今日醫師們便可利用現有架構，快速加強AI醫學的優化。

獲得微軟2020年度最佳合作夥伴獎(Microsoft Partner of the Year Award)的雲馥數位，其技術團隊擁有50張以上微軟官方核發的證照，且同時具備雲架構維運經驗和軟體開發思維，因此協助企業建構雲端架構上能有更完善應用配置。

此外雲馥數位的雲端託管服務(MSP)，可以提供優化雲端架構與成本，進而以更節省的費用達到更佳的運行效能，依情境不同，最多可為企業節省4成以上的成本支出。

雲馥數位曾遠航總經理表示，透過微軟所提供的資源與支持，沐恩生醫與雲馥數位成功地協助眾多醫界前輩在研究上的效率優化，三方更已開始積極規劃下一個要達成的AI新里程，期望能提供更多更有效率的新應用。

有鑑於此次合作，顯示許多行業都能透過上雲來優化企業營運，透過Microsoft Azure提供安全、具彈性的雲端平台，搭配雲馥數位的雲端託管服務及專業顧問諮詢，讓企業上雲更快速輕鬆。

雲馥數位提供多方位行銷及銷售資源給產業解決方案提供者，協助其解決方案對接到產業需求端，再搭配微軟達成一加一大於二的綜效，讓更多應用類似的合作模式持續推廣到各個產業領域。

日前沐恩生醫與雲馥數位舉辦新型態AI醫學研究線上峰會，同時邀請到台灣生醫人工智慧研究發展協會李光申醫師、台北榮民總醫院內科部腎臟科楊智宇醫師分別就影像AI分析及腎損傷預算做實際演練，活動中將了解透過演算法提升疾病判斷準度的案例，還有背後在雲環境發展下，企業如何建構平台與解決方案，歡迎相關領域業者透過節目影片了解AI醫學研究更多詳情，共建新形態成功商業模式。

活動內容已開放註冊觀賞，如需索取影片，詳情請至此網站https://www.cloudriches.com/solutions/medical-ai-aggregator/。

新冠肺炎(COVID-19):
2019年12月於武漢發生第一例，新冠肺炎病毒屬冠狀病毒科，為單股RNA正鏈病毒。
此病毒傳染力強，飛沫及接觸傳染，並主要感染下呼吸道，具1-14天潛伏期，徵狀並不明顯，常見為發燒、乾咳、疲累、口鼻感官失調等。目前已知病毒突刺主要接觸黏膜細胞上的ACE2進行細胞膜融合，由此進入細胞中大量複製病毒RNA及蛋白外殼，經高基式體加以組裝並送出胞外進行下一波感染。目前新冠肺炎已大流行傳染，於世界各地群聚感染，因此，對於新冠肺炎的偵測是刻不容緩的議題。

讓AI不再是黑盒子，讓AI也說出個道理

深度學習可以幫我們解決很多問題並用在很多任務上，包括影像分類、目標偵測、影像分割…等。由於近來大家想知道深度學習模型在訓練過程中學到了什麼？在影像任務中，又從影像中看到什麼來做為它判斷的依據？可解釋性AI是可以知道這些答案的方式。可解釋性AI的方法有 CAM、Grad-CAM以及Grad-CAM++。在這裡我們想介紹Grad-CAM，這方法於2017年發表在IEEE期刊上。