【高速運算應用-學研之星】美索運用人工智慧技術解決癌細胞辨識的瓶頸

數位化醫療影像應用在智慧醫療領域的成長一日千里，利用人工智慧(AI)技術來改善醫學影像的處理是生醫電資訊(BioICT)與智慧醫療等未來趨勢中的一項重要技術，美索研發工作室是一家AI研發服務的新創公司，聚焦於醫學領域的AI落地應用開發，主要客戶群涵蓋醫療領域相關研究的教授、醫師、與生物技術公司。

由於處理高解析度的醫療影像資料，該公司所提供的技術服務是一種研發外包和數據處理，協助客戶建立客製化的AI解決方案，來處理醫療影像與數據。一般而言，客戶端僅需準備訓練所需的資料集，就可啟動AI學習的流程導入程序，後續包含資料數位化、資料專業標註、模型訓練等工作，都是美索所提供的客製化服務。

美索的創辦人林君彥先生是醫學工程的博士，長時期在醫學儀器設備與應用領域有堅實的實務經驗，因為美索的商業模式與客戶的高度敏感資料特性與研究議題，所以無法對外揭露產品與服務的細節，不過台灣各醫學院、大學實驗室，以及生物醫學領域之科技公司所發展的技術項目是非常蓬勃。

美索近年屢屢在台灣AI競賽中獲得佳績，近日又獲選經濟部工業局的AIGO實證解題團隊，為兩個醫療題目提供AI解決方案，也是少數同時入選兩題的團隊。美索的這兩個醫療AI解決方案，在AI DAY 2020大會中分別拿下了解題賽的優等和佳作獎，也是唯一拿了兩個獎的團隊，獲得了許多關注。

美索所關注的顯微鏡醫療影像是屬於特殊的專業領域，所處理的資料內容複雜，而且影像解析度高，其所發展AI模型經過長期的驗證後，甚至超出醫學團隊的期待，形成具高效益的解決方案，這是美索產品線的最佳賣點，目前進一步將最新的SimCLRv2 的學習方法帶入產品線，在癌細胞核的辨識上，已達醫學上應用實例的水準。

這種稱為「對比學習」是非監督式AI學習的一種，近期有很大的進展與發表，美索技術團隊利用相關的技術理論，進行對腫瘤細胞核的深度神經網路學習，期望能在大量未標註資料中，學習到細胞和型態的種種表現，並進一步用少量的標註資料，來做到癌細胞的辨識。

以目前常用的影像資料來說，高解析的影像檔案大小動則6 GB的資料量，龐大的醫療影像資料，需要高速的檔案系統進行傳遞，經過影像處理後，才能利用半監督式的AI訓練方式，完成客製化AI模型的開發，過程中需要具備高速運算能力的GPU與大量記憶體容量，因此使用大型的機器來協助訓練深度神經網路的工作變成不可或缺。

因此申請「TWCC星創爭霸-嚴選新創」活動，並取得TWCC以超高解析度影像作AI訓練與計算服務，解決大型電子檔案的快速讀取，取得速度上的優勢。事實上林君彥早在台灣杉一號的時代就是第一批申請試用者之一，所以比較這兩代的超級電腦服務時，的確發現硬體高速運算速度令人印象深刻，不過他認為除了速度之外，最受重視的是系統彈性與穩定性，有些使用的狀況，往往出問題在於軟體環境的穩定性，例如將TensorFlow 2.0升級為TensorFlow 2.3時產生的軟體的問題，讓TWCC在價格上的優勢受到了折損。

林君彥目前聚焦於發展落地應用，重點是符合長遠的效益，由於AI軟體開發成本高昂，面對台灣健保制度所產生的健保平價策略而讓AI解決方案難以普及，雖然仍可朝高獲利的海外市場發展，但是因為在地化的實際使用者反應與市場檢驗，才能幫助台灣醫療新創掌握未來大量商機。因此AI新創產品的市場策略與產品計畫都需要步步為營，目前美索嘗試與大型醫院合作，將開發的新產品尋求整合進入醫療體系的機會，讓產品獲得更多的市場檢驗與曝光機會，以進一步開發新產品，並形塑未來的成功契機。