雲達科技
event

智慧AI醫療應用與升級

IBM的Watson可以說是AI醫療的始祖。資料來源:IBM

早在十幾年前,IBM科學家提出一套名為Watson的醫療專家系統,要幫助醫療產業解決許多繁雜的重複性工作,甚至能夠替代醫生擔任一定的諮詢或問診服務,雖然發展到最後因為錯誤率偏高而被IBM所放棄,但這個系統也開啟了人類對於醫療AI應用的潛力探索。

真正推動AI醫療發展的,其實還是來自於近年來深度學習技術逐漸成熟,基於AI的歸納統整與識別能力已經逐漸可以取代人類知識,比如說在自動駕駛領域,系統可以自動判斷道路上的行人與其他車輛的行進方向並自動進行跟隨或迴避動作,同時也能瞭解道路標線的意義,並且讓汽車自動依照標線的指示前進或停止。

 點擊圖片放大觀看

Google旗下的DeepMind公司利用大量視網膜影像訓練出能判讀眼疾的AI。資料來源:DeepMind

台灣杉二號利用龐大的AI演算能力,推動台灣AI技術發展。資料來源:科技部

而另外一個推動AI醫療發展的重要原因,就是因為人類生活品質的提高,使得老年人口比例大增,不僅醫療成本負擔明顯增加,就連醫療人力也會明顯不足,在這種情況之下,發展AI醫療,已經成為不得不走的方向。

台灣過去在資通訊產業的發展,醫療相關的高精密機械,或者是用來運算醫療圖像的設備或技術,以及相關的半導體元件,都可以在台灣找到非常優質的方案,加上台灣醫療技術在全世界也是屬於一流水準,結合這些優勢,可以說為台灣發展AI醫療打下了非常好的基礎。

醫療圖像處理

要診斷疾病,可能就要牽扯到許多醫療圖像的判讀,過去這些工作都要交由專業醫生來處理,但影像判讀恰好是AI最擅長的能力之一。

Google旗下的DeepMind公司利用大量的視網膜影像,利用機器學習,通過AI演算法建立演疾識別模型,讓AI能夠代替眼科醫生,判讀眼睛疾病,而且精確度和人類醫生相去不遠,而多家公司也利用類似的原理,利用大量X光片或者是超音波圖像訓練AI學習認識不同器官疾病,同樣也獲得非常好的成果,其精確度甚至已經超越人類醫生的判斷。


NVIDIA可以說是這些醫療圖像識別技術的推動者,該公司利用GPU運算加速機器學習,讓一般電腦處理器數個月才能學習完的圖像資料,可以在數小時甚至數分鐘之內就訓練完畢,讓AI模型的建立可以更快速,成本也更低。

幫助早期發現症狀

台北醫學大學與美國麻省理工學院的一項研究發現,隨著AI在醫療行為涉入的程度越來越深,這些AI診斷工具可以利用多方面的資料篩選與比對來達到早期疾病的偵測,幫助拯救更多生命,也同時節省更多的醫療資源。

該論文「人工智慧如何讓醫療更加先進」於2020年8月刊登於國際醫學研究期刊上。論文中提到,利用AI及大數據為基礎的疾病預防模式,就稱為「早覺醫療」。

過去健康檢查都是採用全面檢驗的方式,比如說例行的乳癌檢查,或者是肝病檢查,都是採用一視同仁的檢查方式,可能一次動員上千人,但最後檢查結果出來,可能只有少數幾個人,但為了抓出患病者,卻要消耗大量醫療資源,而目前的普篩爭議也是一樣的問題,如果數千個樣本中只能找到一兩個確診的病患,這種普篩也會因為消耗資源太大而顯得不切實際。

在論文中,作者利用AI蒐集個人健康資訊,包含個人病史、家族史等不同變數,利用這些大數據的整理與模型對比,可以篩選出疾病的高危險群,而我們只針對這些高危險群進行檢查,在理想狀態下,可能有三分之二確定患病。如此高精確的預防措施,更能夠達到精確診斷、早期治療的效果,同時也幫助節省寶貴的醫療資源。

醫藥研發

2020年疫情發生時,台灣AILabs將「老藥新用」的數據平台開放給全球合作,找出許多對肺炎病毒有效果的傳統藥物,該平台目前提供4種常見病毒蛋白的標靶藥物數據庫,收錄美國FDA整理出的1,615個不同藥物以及台灣1,811個有公開結構的不同健保藥,並已經篩選出各類型化合物候選藥物。

根據AILabs公開的數據平台,歸納出有24種COVID-19(新冠肺炎)病毒蛋白,並對4種最常見的蛋白標靶進行分析,以利加速藥物開發。

除了最被廣為人知的幫助解決疫情表現以外,運用AI試算分子結構或做文獻探勘,有效找出候選藥物也是AI應用在醫療的一大方向。利用AI進行輔助藥物與臨床試驗設計,可以更精準的找出有效性較高或較易合成的新藥,提升療效;或搭配深度學習,模擬新藥動物實驗,可減少活體動物的數量並縮短研發時程。還能以藥物結合複合式醫材,如在隱形眼鏡添加眼藥配方,持續釋放、提升療效。

台灣AI雲推動AI醫療發展

科技部於2018年啟動AI創新研究中心計畫,從五百餘件構想書中選出67件研究計畫,分別在臺、成、清、交4所大學成立AI創新研究中心。

成功大學的「科技部人工智慧生技醫療創新研究中心」專注在生技醫療的研究,涵蓋智慧醫療、智慧照護、智慧生技等領域。智慧醫療研究包含結核分枝桿菌鑑定、肝活體組織切片影像分析、阿茲海默氏症早期檢測、核磁共振影像快速重建、生醫影像類神經電路驗證平台。

同時,科技部也利用其建置的雲端AI運算能力,加速業界的發展。台灣杉二號超級電腦是以GPU組成的AI超級電腦,完全基於台灣自有IT產業的技術能力開發,可以提供演算能力給台灣有志發展AI技術的業者。目前也有不少醫療AI新創利用台灣杉的運算能力,推出不少解決方案。


比如說醫療影像新創公司雲象科技,就利用台灣杉二號的龐大算力,發展醫療圖像AI判讀技術,利用台灣杉二號的技術優勢,可以一次讀入醫療影像的原檔然後進行判讀,不需要像傳統的AI切割分別判讀,精確度更能有效提高。

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: IBM Google 科技部 人工智慧 智慧醫療