DeepQ为医学中心规划完整 AI 软硬平台 协助医师掌握医学影像 AI 研发

DeepQ AI平台提供一站式的AI开发服务，包含数据汇入、标注与管理、模型挑选与自动训练，以及模型部署及验证。

在这波COVID-19(新冠肺炎)(COVID-19)疫情下，全台使用人数超过200万的「疾管家」聊天机器人成了台湾民众掌握正确疫情信息的重要管道，其幕后推手正是旗下健康医疗事业部DeepQ团队。DeepQ不仅专精于自然语言处理(NLP)，也提供医护相关的互动机器人与VR应用，同时专注在人工智能(AI)平台建构，为台湾许多有意投入AI技术的医学中心提供简单易用且基于 NVIDIA DGX超级电脑的AI平台。DeepQ的AI医疗解决方案旨在协助医疗院所轻松部署AI技术，同时医师不需与AI专家跨领域协作，便能以使用者的身份投入 AI 技术应用。

跨领域人才、AI技术、医疗影像的缺乏，为医界筑起一道墙

DeepQ专案经理吴亿泽博士表示：「由于AI在影像识别的表现相当出色，使医界也对于将 AI应用于医疗影像有所期待，期望能够藉由AI影像识别等技术降低专业医护人员的负担；然而医界投入AI的过程普遍面临几个问题，除了缺乏跨领域人才、难以充分掌握AI，同时也需慎选模型技术外，医界的医学影像数据流通率低，且相较通用影像识别的数据，专业医学影像的数量较少，也造成医疗影像AI的效果更加难以突破。」

一站式 AI开发服务平台打破医疗与科技业的藩篱，让医师也能轻松上手AI

而促使DeepQ在 AI平台脱颖而出的契机，是在2017年一场移动平台的医疗设备挑战赛，当时有两项与医疗影像相关的技术开发，分别是针对皮肤与耳内的判别，虽然通用影像识别技术在当时已相当成熟，不过医疗相关的影像资源取得不易，在当时以既有的千张医学影像进行训练，准确率始终难以突破八成。当时DeepQ团队便想到可以利用「迁移式学习」技术，先透过以 ImageNet的大型数据库训练通用识别的高精确率影像识别模型后，再将训练后的成果转移到医学影像识别，最终在中耳炎判读领域一举突破九成。这项成就促使DeepQ将迁移式学习作为发展医学影像 AI 的主要技术之一。

DeepQ的理念是开发一套针对医学领域的AutoML平台，以使用迁移式学习技术作为基础，搭配医学中心的 NVIDIA DGX超级电脑硬件进行最佳化，再辅以一套简单易用的自动化AI训练与实作平台，协助医疗院所部署AI技术。DeepQ不仅针对医学影像建构一套迁移式学习的AI模型训练架构，同时在软件界面中整合标记与训练两大功能，使院所内的医师可直接将相关的 X 光片、电脑断层扫描(CT)上传至系统数据库，并直接在平台界面建立专案与标记。医师可选择影像标记到一定数量或全部完成后再开始训练模型，一方面可验证模型正确性，亦可将模型用以协助标记其他还未标记的医学影像。

透过 DeepQ开发的AI平台，医院内有意投入AI研究项目的医师便可自行上传影像数据到平台，并针对训练后的模型进行初步评估，判断项目是否有继续开发精进的价值，相较一般医院自行架设并管理GPU等运算资源来说，更为便利易用。此外，过往医疗影像模型需要动辄至少半年才能完成第一轮的初步训练，在 DeepQ AI 平台上却可以透过迁移式学习、自动化模型训练、AI 辅助标注及量化分析与验证，大幅缩短开发测试时间以及降低 AI 门槛。

考虑到医疗体系对医学数据的保护以及患者隐私的重视，DeepQ提供医疗院所自建基于DGX或其他NVIDIA GPU加速技术的超级电脑平台，也可提供串接到云端平台的服务。DeepQ 2019年加入由国家高速网络与计算中心(国研院国网中心)主导的台湾AI云(TWCC)，以其基于NVIDIA加速技术的云端平台服务，调校专门为医学影像量身订做的 AutoML调参引擎。以多组医学影像进行评测的结果证实，DeepQ的AutoML训练结果优于数据科学家手动训练的平均水准。这也有赖NVIDIA提供的出色硬件以及具备平台开发一致性的优点。

借助 NVIDIA 强大的软硬件技术，持续为台湾医学界开创可能

马偕医院放射线科主治医师黄崇尧表示：「相较于其他AI平台，DeepQ便利的易取用性大幅降低医界人员投入医疗AI开发的门槛，同时本地端的服务也能确保医学影像数据的安全性，是我们使用过最简单易用的AI平台。透过 DeepQ开发的AI模型协助放射科医师进行CT判读，将能大幅缓解医疗人员的压力。」

马偕医学院医学系医学科学主任黄明源医师表示：「过往为了降低医院及医学院人力的负担，我们花费半年的时间针对近2,000片的胸腔X光影像进行模块训练，最终的影像判读准确率仅达70%；在导入DeepQ AI平台后，同一套数据却仅花费4个小时便达到92%的高准确率成果。DeepQ AI平台不仅让临床医师皆能有机会参与医疗AI的开发，同时也让医学院学生亲自完成看似遥不可及的AI医疗工具，对于未来如何有效应用在各领域的临床案例上有极大的帮助。」

除了为医疗院所建构AI平台外，DeepQ也看到台湾医学界的潜力，因此协助有意将医疗AI商品化的医疗院所进行产品规划，让这些握有精湛医学技术但缺乏产品规划能力的台湾医院，提供自法规、FDA认证申请与产品规划的支持，将其研究成果输出国际。

在这波疫情下，DeepQ也展现了在医学影像AI以外的自然语言处理的能力，与台湾行政院疾病管制局合作的聊天机器人「疾管家」能够精确地识别台湾在地的问答语意，协助民众掌握正确的疫情信息、化解民众对疫情的疑虑，同时也配合政府公开透明的数据，对抗数据的不正确性。而能够理解台湾在地语言的关键，正是由DeepQ 针对台湾在地语汇与医疗信息开发的 T-BERT (Taiwan Bidirectional Encoder Representations from Transformers)。

吴亿泽博士表示：「当初在开发疾管家聊天机器人时，发现大多自然语言工具并未针对台湾在地语言最佳化，因此DeepQ重新为台湾在地语言以及疫情信息相关词汇，配合国网中心的专案，训练一套属于台湾且针对医疗问答的 T-BERT，使「疾管家」能在最短的时间内，将正确的信息以最亲切的方式传递到台湾民众手中，成功协助政府防疫政策的推行。」

对DeepQ而言，其使命就是为台湾的医疗院所建构简单易用的创新技术。藉由基于NVIDIA强大的AI硬件技术，持续提供丰富且不断进化的AI开发工具，举凡自AI到自然语言的互动聊天机器人，甚至是VR医疗与教学等，都能提供跨领域的医疗创新技术。