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。

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。