最新消息

沐恩受邀新電子媒體採訪_AI智慧醫療影像判讀加速診斷

資料科學/電子工程攜手 AI智慧醫療影像判讀加速診斷

 

文‧吳心予 發布日期:2020/06/06    關鍵字:智慧醫療.影像辨識. AI . NVIDIA . Clara . 長佳智能 . 沐恩生醫

智慧醫療隨新冠疫情爆發成為熱門議題,發展過程中有賴醫療專業人士與資料科學家/電子工程領域專家合作,發揮台灣醫療品質與製造業優勢,導入AI創造醫療新前景。

新冠疫情爆發促使智慧醫療成為熱門議題,人們期望新科技有助於強化醫療效率及資源分配。醫療科技現正進入整合大數據與人工智慧的階段,許多醫師或醫療單位意識到醫化的需求,認為人工智慧影像辨識技術可以協助醫療人員做決策,並提升診療的精確性及效率,因而紛紛投入AI相關的研究,或者與研發團隊合作,期望達成診斷的品質醫療資源分配最佳化的目標。而 AI 進入醫療體系的同時,智慧醫療的研發則面臨資料搜集、臨床的落地應用與法規限制等重大挑戰。

醫師主動學習AI 望診斷品質提升

處於醫療現場,許多醫師與醫療團隊感受到科技需求,主動進修並學習 AI ,走向智慧醫療。成大醫學資訊所特聘教授蔣榮先原是主攻人工智慧的資料科學家,因曾在成大醫學院兼課,開啟醫療領域的大門,以資工及 AI 的角度分析醫療資料。現在蔣榮先的醫學資訊研究室裡有16位醫生前來進修博士,希望透過AI提升醫療診斷品質。

針對醫師診斷的應用,蔣榮先描述急診室的模擬情境。如果一個可能腦出血的車禍傷患被送進急診室,需要先拍攝X光及斷層掃瞄,由放射科醫師透過影像診斷病患是否出現主動脈剝離的病徵,若是確定主動脈剝離,則需要通知急診醫師,並在幾分鐘的黃金時間內注射藥物使動脈收縮,以免發生中風。腦出血的黃 金治療時間非常短暫,但是急診與放射科醫生需要同時診斷多位病患,若是未能即時發現車禍傷患需要注射藥物,則會造成嚴重的治療延誤。因此醫院導入 AI的影像辨識程式,當傷患進入急診室並拍攝 X 光及斷層掃瞄後, AI 可以1秒辨識主動脈狀況,若有剝離的危險可立即傳送預警簡訊給急診醫師,達到黃金時間內注射並治療的成效。

導入AI需醫療專業/資料科學/電子工程合作

面對智慧醫療的需求,科技大廠與新創團隊都針對醫療提出科技解決方案,其中國際晶片廠商 NVIDIA 回應醫療科技開發人員的需求開發Clara平台,在確保個資安全的前提下,向醫療單位搜集醫療影像資料,作為訓練 AI 的素材,同時善用其 GPU 快速運算的優勢,提供醫師標註影像的工具。NVIDIA亞太區健康照護解決方案架構總監黃宗祺用三角型形容 AI 醫療領域的三個重要角色。專業的醫療數據與資料來自醫療機構;資料科學家則熟知各種分析工具並不斷開發適用不同場景的演算法;電子工程廠商則負責提供最基礎的平台與演算法架構。黃宗祺認為,理想上三個領域的發展需要呈現均衡的正三角形,但台灣目前沒有機 構的發展三者兼顧,因此跨領域合作便是發展智慧醫療的重要課題。

NVIDIA 作為三角型中的資訊平台/工具供應商,便透過醫療平台加速資料科學家的演算法開發,並協助醫師更有效率地標註醫療影像,同時在確保資安的前提下,搜集散落不同醫療機構的資料。目前台北榮總、中國醫學大學附設醫院等大型醫院已使用 NVIDIA 開發的工具,中醫大附設醫院也透過平台將智慧醫療的骨齡判讀服務分享給北港醫院使用。

新創/醫院合作推解方

新創團隊長佳智能與沐恩生醫團隊則都與大學的醫學研究單位合作,創業研發智慧醫療服務。 長佳智能與中醫大產學合作,以全方位的醫療解決方案為核心進行多產品的研發。長佳智能研發長王帝皓分析,AI 在醫療領域有三個發展方向,一是影像辨識,只要眼睛可見的診斷途徑都有 AI 發揮的空間。二為文字產 出的醫院資料,如病歷、檢驗報告,可以透過 AI 協助整理與記錄,三則是基因相關的研發與檢測。三項之中以影像辨識技術最成熟,長佳智能的骨齡輔助判定系統便是應用 AI 快速判讀兒童的骨骼X光片,進行身高預測。

沐恩生醫則與陽明大學臨床醫學所合作,分析醫生在導入 AI 過程中的幾項臨床痛點,並透過建置自動化訓練A I的工具平台,協助醫生快速開發客製化的  AI 模型。沐恩生醫技術長王淳恆在 AI 產業已有15年以上的經驗,他觀察到醫療導入 AI 時, 常見三項痛點:

1.標記認定落差:根據不同醫生的經驗與診斷方式,使用臨床資料的目的和標註不同,不同醫生之間難有共識

2.資料受個資保護:醫院內的資料受到個資法規保護,不能帶出醫院進行AI模型訓練 

3.模型不具通用性:不同機器、顯影劑、醫院等條件下, 都會造成模型準確度下降

為符合醫療場域的特性,沐恩生醫開發 AI 輔助 軟體 MAIA(Medical AI Assistant),醫生只需要具備基礎 AI 知識,即可透過在軟體中上傳影像並標記,訓練出所需的 AI 模型,並運用在醫療工作中。作為醫師的個人化工具,單一醫生所能取得的資料不多,因此 MAIA 的研發朝著「資料不多也能做得好」的方向進行,目前只要幾千張的照片就能做出高精準度的模型,下一代的軟體預計只需要幾十張的照片即可訓練 AI。

AI進入醫療領域的發揮,除了協助醫師診斷本科的病患,還能成為不同科別之間的互補角色。王帝皓在醫院是放射腫瘤科醫師,他說明臨床試驗的實際案例,當AI模型與本科醫生比賽診斷資料的準確度時,本科專業的醫生的精準度較高,但是當非本科專業的醫生與AI模型相 比,AI模型的表現更出色。因此例如內科或急診醫師遇到病患出現心臟方面的問題,心臟診斷的A I模型就能協助基本的心電圖判定等工作。

台灣具醫療/製造業優勢

綜觀AI在智慧醫療領域的發展歷程,王帝皓表示,影像是AI領域發展得最早也最成熟的技術,因此現在許多的智慧醫療產品/服務皆從影像辨識出發,進一步走向其他方面的醫療應用。聚焦台灣智慧醫療發展的優勢與挑戰,黃宗祺認為,在優勢方面,台灣雖然人口基數較小,醫療資料搜集的總量雖不如人口大國,但是醫療人員專業度在全球名列前茅,因此能夠擁有高品質的資料標籤,有利於AI模型訓練。 另一方面,軟、硬體技術也是台灣在智慧醫療領域的優勢之 一,然而好的產品仍需健全商業模式的支持,台灣市場小且缺乏共享服務的相關經驗,若能在智慧醫療方面與東南亞或鄰近國家合作,將開拓更多的可能性。

此外,觀察影響智慧醫療研發的外部因素,王帝皓提到台灣法規對於A I與智慧醫療的限制。 A I醫療的技術需要法規迅速更新才能擁有發展彈性,但是目前 A I模型經過訓練可持續優化, 無法解釋A I的判斷邏輯或演化過程,未知的演算過程如同無法解釋的黑盒子,造成監管單位的疑慮,加上國際對A I醫療相關的認定尚未統一,因此若台灣的智慧醫療團隊想出海,便必須逐一通過各國規範。所幸具代表的醫療認證 FDA/TFDA 已逐步受理A I醫療產品的申請,盼台灣政府與業界持續溝通,尋找創新與嚴謹之間的平衡,以法規支持 AI醫療發展。


文章出處:
新電子科技雜誌