智能应用 影音

简化流程、提升效益 AI将是医疗诊断最强助力

2019/09/19 - 洪千惠

相较于强调开放架构的IT产业,医疗领域因涉及人身安全,对技术与相关设备的要求非常严谨,因此其体系相对封闭,无论是设备架构或产业供应链都有自己的系统,外部产业切入发展的难度相当高。在10年前,全球产业掀起e化浪潮,此趋势为IT产业开启了医疗应用的契机,医院也开始导入IT系统,目前各医院都已拥有自己的HIS系统。不过至今为止,医疗机构所使用的IT系统都以营运、数据数据处理等外围管理为主,诊断、开刀等医疗行为所需的设备,仍以既有的西门子、飞利浦等大型医疗设备厂商为主。近年来物联网带动了另一波IT革命,再次为IT产业的医疗应用凿开缺口,尤其是2016年启动的AI,更已成为医疗产业的焦点。

人类投入AI的研究相当早,从1940年代就开始有学者投入,1956年正式被确立学科,AI必须与各种产业结合,方能具备其价值,因此在1960年代,AI就被应用于医疗领域,透过演算法分析药物的化学成分,并将结果用于新药的研制。虽然受限于当时电脑的运算能力,此作法后来未能持续,现在多数药厂研发新药时,都仍以人力方式组合化合物配方,不过这次重新启动的AI,无论是运算能力或数据量都已不可同日而语,因此现在已有药厂再次开始采用AI,加速新药的研制。

智能判断医疗影像,提升医师诊断效益

这次AI可卷土重来,除了电脑运算能力提升与庞大的数据量外,演算法更是重要关键。与过去两次发展不同,这次成为AI领域主流的机器学习(Machine Learning)可透过大量数据自我学习,而机器学习中的深度学习(Deep Learning)更进一步强化了学习能力,成为现在各类型智能化应用的主要演算法。

深度学习的应用多元,目前又以影像识别为大宗,其应用的系统包括城市的安全监控系统、工厂中的机器视觉检测与医学中的医疗影像侦测,根据业者估计,影像识别占现有AI应用的70%以上,主要原因在于影像的数据量充足,且多为数码化格式,易于为AI使用,同时所产生的效益立即可见,不像其他应用必须经过一段时间效益才会发酵,在快速商业化的利诱下,自然成为绝大多数厂商的选择。

相较于安全监控与机器视觉的快速商品化,AI医疗影像的导入速度偏慢,台湾目前仍未有实际应用的案例,主要原因仍在医学领域对新技术的评估相对严谨,各国的法规认证时间都相当长,因此即便研发完成,也需走完相关单位的认证流程才能上线,而且即便取得认证资格,还要通过医院的评估,尤其是有可能改变现有诊疗流程的AI系统,更要经过长时间的院内外沟通磨合,才有机会上线使用,因此AI医疗系统的落地时间,将会比其他领域更久。

时程虽然偏长,不过整体来看其趋势仍然确立,现在多国政府和民间企业都正加快脚步,美国的FDA光是2019年就已通过30个以上的AI医疗设备审核,各医院与IT团队的计划也都在进行中。

由于AI在医疗领域仍属于新技术,投资报酬率仍未明确,因此既有企业投入发展的比例并不高,主要仍由科技部制定政策,与学校、医院共同推动相关计划,另外价创计划中,也有不少团队研发出AI医疗技术,其中医疗影像占多数比例,例如现在有团队以AI软件为肿瘤进行3D造影,并提供高于平面切片200倍的信息量,让主治医师掌握肿瘤全貌与所有信息,借此选择更有效的疗程,提升病患的存活率。

除了3D造影外,更多团队做的是以深度学习演算法分析医疗影像。此做法必须先建立训练模型(Training),让数据在训练模型先运算学习后,再将训练后的模式安装在推论(Inference)模型中于现场使用。由于训练模式的建立需要高度AI专业,同时训练过程需要长时间运算大量数据,对多数医疗院所来说是沉重负荷,因此现在已有新创团队设计出可以简易建模,并可精准、快速分析出结果的通用型高速运算平台,让医疗业者不需AI专业工程师,也可自行建立训练模型。

掌握软硬件特色,打造最适化医疗架构

不过过去深度学习演算法都是学界研究所用,要运用在实际场域仍须克服许多挑战,尤其是训练模式与现场环境的匹配问题。目前常出现的问题是训练模式所获得的成效无法完全体现在使用现场,主因在于神经网络模型已然复杂,再加上市场现有的多种加速器产品,产生多种软硬件组合。而并非所有软硬件架构组合所产生的成效都相同,要克服此困难,系统厂商必须对市场的软硬件架构都有足够掌握。

当然系统厂商也可以针对特定客户提供定制化设计服务,让训练模式与实用模式的软硬件架构一致,以确保执行成效。不过AI医疗系统如果要走向商业化,就必须将主系统设计为通用型,也就是要能复制到其他客户,以降低成本、提高获利,而要达到此目标,还是必须让系统在不同软硬件架构中的运行成效一致,也因此掌握市面上常用的软硬件产品特色,对系统厂商来说仍是必要课题。

至于AI对医疗产业的实质帮助,多位医界人士都指出,就目前发展来看,AI在医疗领域并非为了取代现有人员而设计,其角色仍是辅助工具,透过其快速运算的影像识别功能,缩短医疗影像的检视时间,同时为医师提供更丰富的信息,真正的病情判定与诊疗方式,仍必须由医师做最后的决定,此一模式在可预见的未来仍不会改变,而这种AI与HI(Human Intelligence)的结合,也会是最具效益与可用性的智能组合,在提升效率的同时,也为病患带来更有温度的服务。


图说:影像判读是医疗诊断的重要环节,不过传统的人力检测方式往往旷日废时,AI的导入将有助于提升医疗效率。(Arbeitsfelder Entdecken)