智慧應用 影音
創泓科技股份有限公司
20211111_DForum微控制器論壇

沐恩生醫光電Auto DL提升疾病判斷準度

隨著人工智慧(AI)的技術發展,不僅改變科技產業的樣貌,卻也陸續產生瓶頸,以醫療應用為例,為訓練出能進行正確判斷的AI影像辨識模型,往往需要成千上萬張的影像資料,才能做到深度學習(Deep Learning)。

沐恩生醫光電技術長王淳恆指出,這種傳統的醫療影像AI模型訓練方式,往往需要許多醫師對醫療影像先進行大量標記,才能開始訓練AI模型。但由於每位醫師的標記想法並不一致,不容易建立可靠的訓練基礎,而且很多醫師不見得信賴其他醫師所做的標記,自然也不會接受事先做好訓練的模型。

 點擊圖片放大觀看

沐恩生醫光電技術長王淳恆

而這種需要大量資料才能完成的傳統AI訓練方式,如果用在COVID-19(新冠肺炎)胸腔X光的判讀,受限於台灣的疫情病例不多,資料量不足,恐怕也無法訓練出可靠的模型。

王淳恆指出,醫療影像資料的取得也有一定程度的難度,除了要做到病歷身分的去識別化,還要通過審查,這些因素都會大幅降低醫師提供資料或標記,幫助工程師訓練AI模型的意願,對醫療影像AI的推廣形成困難。

但如果是讓醫生用自己的標記來訓練AI模型,前述問題就能迎刃而解。沐恩生醫光電於是建立一個僅需少量資料,就能訓練的模型,透過影像辨識AI自動化訓練軟體(Auto DL),使用200多張影像資料,即可訓練一個COVID-19(新冠肺炎)胸腔X光分類的模型,以COVID-19胸腔X光模型開發為例,使用RTX 2707 GPU的桌上型電腦只需訓練1個多小時,準確率即可達到99%。

王淳恆形容Auto DL不但能靠運算力幫助醫師在更短的時間做出正確判斷,還能朝解決可解釋性的問題方向發展。醫師只要有基本的AI觀念,對資料處理及題目定義有正確的概念,便可訓練AI軟體來符合自己的要求,也更能理解AI模型提供建議的解釋過程,自然會提升對AI模式使用及推廣的意願。

王淳恆表示,這部分模型還在建構中,先前已建立醫療用的訓練模型,讓醫師使用較少的資料就可進行訓練,也已經拿到相關專利,目前正與亞東醫院、陽明大學等相關單位合作。

沐恩生醫光電目前開發的技術,雖然只需要較少的資料,但同時卻需要較大的運算資源,由於公司仍處於新創階段,運算資源有限,初期只好犧牲演算法在訓練的效能,導致訓練一個模型的時間需要3~5天,準度也只能達到0.7~0.8的水準。

沐恩生醫光電後來跟國網中心合作,得到TWCC臺灣AI雲的運算資源後,沐恩生醫光電得以利用國網資源開發出新型演算法,加速模型訓練的速度。王淳恆表示,模型調效的時間不僅縮短到1天,該模型也能在幾秒鐘內判斷有無新冠肺炎,準度更已達到0.9,可望加速快篩的程序。加上國網中心有資安認證,合作較無安全性疑慮,也更能取得對資料安全較為敏感的醫療單位信任。

透過國網中心的協助,沐恩生醫光電的開發速度和資源使用都得以有更大的調度空間,未來將朝向藥物開發等高運算量的研究來努力。王淳恆表示,當疾病發生時,要如何用藥物來抑制疾病,需要建立蛋白質交互作用網路等各種複雜的新藥探索及驗證過程,過去只能盲篩,易造成失敗,開發時間約10~15年,進入臨床後還可能需要3~5年,若能用足夠的運算力讓AI來比對找出藥物適合開發的方向,不僅可縮短時間、資源,更可提升效益,嘉惠所有需要新藥的醫師及患者。

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 深度學習 AI COVID-19