智慧應用 影音
未來車產業價值鏈平台
event

台灣醫療AI機會多 研華從賦能邁向精準醫療

研華AIFS/Medical Imaging(Artificial Intelligence Framework Services/Medical Imaging;產業AI應用開發平台/醫療影像輔助建模工具)。研華科技

國際與台灣醫療體系當前人工智慧的應用趨勢發展重點,聚焦在影像的部分已有長足的推展,不讓影像類別專美於前,研華科技資深研發經理郭柏村觀察到,現在數值型AI的應用也很多。科學家利用病患的生理數值、病歷、觀測資料、輸入輸出液體、尿量等檢驗數值,已產生許多關鍵性的應用,像是在加護病房(ICU),可用AI預測患者出院後,會不會再住院等急性狀況。

研華身為台灣醫療科技大廠之一,同時身為國立陽明交通大學合聘副教授的郭柏村,站在醫療與科技交會的第一線觀察,台灣醫療AI的發展機會很大,雖然同時需要克服不少關卡,但從幫助臨床人員開發AI,到三大導入醫療場域營運目標,都將一步步走向未來精準醫療的新境界。

幫助醫療人員自己開發醫療AI

近年來,研華積極布局研華AIFS/Medical Imaging(Artificial Intelligence Framework Services/Medical Imaging;產業AI應用開發平台 / 醫療影像輔助建模工具)。研華設計此平台,主要是要解決醫療單位在於醫療影像的問題。舉例來說,建模工具可以提供醫療人員工具,讓醫療專業人員,能夠自助建立AI模型。郭柏村補充說道,這些模型就是要能夠在臨床輔助和落地的AI模型。

醫療人員可以透過產業AI應用開發平台快速建置模型,包括有適宜的UI介面、圈選工具。像是在醫療影像輔助建模平台當中,將PACS的資料拉進來後,即提供瀏覽功能、放大、縮小、調整明暗程度、可以檢視上下張照片。如在CT圖檔中,人員也可以在某個病灶或器官上,使用標註工具,以手動方式畫圈圈、圈選多邊形、矩形框框等方式,快速標註細節位置。

為了加速標註速度,研華也提供AIAA功能,也就是AI Assisted Annotation功能。以系統已預先訓練一個AI模型為例,醫療人員將資料倒入後,系統能夠大約把病灶標示出來,舉例而言,AI先標出80%,剩下20%再由醫療人員標註,即能加快標註時間,郭柏村認為,這樣也代表建模所需的標註圖資數量會快速增加,在飛輪效應下,可以有很正向循環,加速AI模型迭代更新的速度。

醫療AI三大目標

目前,研華積極在影像型AI、數值型AI、精準醫療看板深耕,郭柏村認為,所有的醫療AI導入在醫療院所,就是三個任務,第一、提升病患就醫品質。第二、減少醫生負擔。第三、改善醫院的營運效率。

研華先前與成大醫院合作急診室的警示服務,透過結合人工智慧的流程,系統會發警示給放射科醫師,就可以快速發現如主動脈剝離等嚴重的急重病症。系統可以提供閱片時的高風險案例,建議醫生優先診治。這樣的方式,可以減少高風險病人的等待時間,進而得到更優質的處置與預後品質。

與先進先出的傳統急診室流程相比,醫生能先救重症病患,同時因為重症病患,獲得優先處置,預後佳、出院快、醫院病床周轉率變高、醫院營運效率就會提高。這些實質效益,就能符合上述的三個點。

未來AI三大布局

研華未來在醫療AI上,將有三大新布局,包括精準醫療、聯邦學習、可解釋AI。第一、精準醫療。現在的影像型AI都在解決單一問題,而未來的精準醫療目標,就是要做個人化的醫療輔助。因為每個病人的治療方式不一樣,未來醫療要把所有的數據,包括基因定序、生活調查表、家族史、每次檢驗的數據都加進來,才能有更多的AI決策與推薦方案,包括療效評估,到底使用哪些藥品,會有哪些效果,也可以透過精準醫療來綜合評估。

第二則是聯邦式學習。因為台灣醫療數據不足、變異性不大,如果未來台灣醫療科技要走向國際,這將會是重中之重。透過資料不出門的方式,只是模型權重的分享,台灣可以跟國際之間有跨單位與跨機構的學習,訓練完的參數,放到公有雲的伺服器融合完後,再把模型派到各個機構與單位。如此模型分散式學習,資料不離開該機構的方式,也能夠讓各單位之間有更多合作的契機。

第三項是研華目前在努力「可解釋的AI」,希望讓AI不要再是黑盒子。將黑盒子打開,也能夠讓醫師與護理人員更加信任此模型。讓使用者瞭解AI推論的背後邏輯是什麼,比方說AI對某些病灶圈選會輔以熱區圖標示,明白表示什麼是AI關注的所以導致這樣的推論結果,這樣才可能會是可以被人信任的醫療AI,也才有機會讓醫療AI更加融入極具人性關懷溫度的醫療服務當中。更多資訊可諮詢研華醫療AI解決方案,或進一步報名了解研華智慧病房解決方案

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 精準醫療 研華 智慧醫療 AI