synnex
活動+
 

【杜奕瑾專訪】醫療AI發展面向多 數據整理與分析為生態穩健關鍵(之四)

台灣人工智慧實驗室(Taiwan AI Labs)創辦人杜奕瑾。符世旻

台灣在醫療人工智慧(AI)發展上,除了資金、人才、市場的問題以外,勢必也會碰到法令規範的問題。除了台灣衛福部食藥署在積極與國際法規調和以外,美國食品藥品監督管理局(FDA)也與各界共同研究是否將AI分類為「會自動學習進化」與「不會自動學習進化」的兩大類來規範。台灣人工智慧實驗室(Taiwan AI Labs)創辦人杜奕瑾認為,主管機關會逐漸有共識且有規範出現,在此之前,各團隊在增進技術的同時,也一定要與時俱進並常保持與國際資訊、人員、技術接軌的動態發展。

醫療法規革新中 產業馬步要扎穩

目前,有些醫療院所也與AI團隊合作不少醫療AI病灶偵測、診斷輔助系統,若干醫院也開始在醫師的監督下試用,進而給予技術上與使用上的反饋,對於醫學創新軟體的開發、試用、反饋、生態發展上,杜奕瑾認為,由於技術與市場都十分新穎,因此導入流程與方法也都相對不成熟,然而,不同科別與面向也會有不同的做法。

在這些領域的發展過程中,杜奕瑾認為格式統一、標準一致都已是產官學研正在努力的面向,目前許多醫院都有不同的數據整理與軟體創新的進程,衛福部也鼓勵將醫學影像、電子病歷上傳,未來可望看到更多統一、乾淨、齊全的醫學資料庫,醫療AI的發展自然會更加快速和有效率。

非直接關乎人體 醫療AI還有許多題目方興未艾

有些與人體較為相關的偵測、診斷、治療的AI科技,可能還需要主管機關的法令與醫療院所醫師的共同參與,才能討論出適切的導入方法、管理制度、審查流程。然而,還有許多與醫療AI相關的計畫能夠先行,有些數據整理的任務也可以先準備,包括健保資料庫的大數據分析應用,能夠協助精準醫療發展與新藥研發,甚至瞭解過去用藥與疾病治療的成效比對等。

此外,國際疾病分類標準第十版(ICD-10)的發展上,利用自然語言處理(Natural Language Process;NLP)的方式,自動生成疾病代碼,降低醫療院所當中的疾病編碼師的工作負擔,與健保署申請給付。

蔡騰輝

DIGITIMES電子時報智慧醫療主編蔡騰輝Mark Tsai
專注研究智慧醫療產品技術服務導入場域時,所遇到的困難癥結與如何克服要點。
精通中英德語,熱愛挑戰與Swing Dance。
Facebook:DIGITIMES智慧醫療

作者更多專欄

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 杜奕瑾 大數據分析 醫療人工智慧