WPS
活动+
 

人工智能有效预测潜在疾病和区域 北医大数据分析中心多科应用佳

台北医学大学管理学院院长谢邦昌表示,医疗大数据应用范围广,因此在教育层面应推广大数据和人工智能教育。蔡腾辉

在人工智能(AI)的发展过程中,除了资料探勘(data mining)、数据分析、机器学习(ML)以外,更重要的是各团队间必须清楚了解,研究成果之后要应用的目标领域为何。目前在病理科已可以透过人工智能筛检许多癌症细胞,台北医学大学管理学院院长谢邦昌说,北医现在医疗大数据的应用范围更包括脑部、肺部、心血管。此外,也努力从教育端做起,推广大数据(big data)和人工智能教育。

目前,台大、北荣、北医三个医疗体系各有三个团队正在针对医疗大数据的研究与应用而努力。而北医已在脑部、肺部、心血管等三个领域有人工智能的影像分析,并将资料存放在财团法人国家实验研究院高速网络与计算中心。国网中心致力于高效能计算、储存、网络、平台集成等技术研发,目标建立一个集成计算、储存、数据库、软件、信息技能、人工智能的平台。

在医联网(HIoT)的实体应用与产学合作方面,健康力与北医大数据研究中心共同合作开发「健康力」App,协助民众分析、比较、评估未来3年内罹患心肌梗塞与脑中风机率的健康指数。更透过集成500间诊所的信息与模块,提供病理资料库,进而提升小诊所的看诊广度与深度。

在发展人工智能的过程中,资料整理与采矿的过程相当重要,目前北医已建置医学资料库(health bank),此外,在学术机构研究(Institutional Research;IR)上,透过北医体系一校五院,加上集成健保资料、外部数据等方式,供医生与医疗团队研究使用。外部数据来源包括卫生福利部国民健康署、卫生福利部中央健康保险署、行政院主计总处、行政院环境保护署等单位。

其实许多跨领域的信息,都与国民的健康与医学发展息息相关。谢邦昌举例,像透过PM2.5等空气污染信息的数据分析,就可以预测某区域内的疾病发生机率。另外,透过温度监测,可以了解温度骤降的日子当中,是否民众心血管疾病的发生率就会提高。透过这样的数据分析,能够有效地提醒民众注意,医疗机构也能提早采取应变措施。

在生物科技的研发上,未来除了人工智能以外,区块链(blockchain)的技术,也能应用在人类基因资料的数据安全与发展。谢邦昌表示,区块链就是口令学。目前台北医学大学附设医院2017年已先从健康检查与医疗费用支付两个方面着手,采用区块链的技术。同时也在研拟临床与医疗更多面向的区块链技术导入。北医信息中心大约有10多名团队成员,正在努力发展区块链的应用。

谢邦昌表示,在台北医学大学校长林建煌的带领下,北医希望透过以教学、研究、服务等三方面为整体发展核心。更在2017年时,便大数据列为整个台北医学大学学生的必修科目,微学程大约8~10学分,包括大数据微学程、人工智能微学程。而三个微学程加总大约等于一个学程的学分数。2018年也把人工智能列为学生必修科目。

此外,在修习了这些新兴技术领域的知识后,学生也有一些应用的专题发表。比方说本草纲目解密,透过古籍文本探勘、药材资料库建置、视觉化探索分析研究。让中医的关联资料结构化、透过资料清理、视觉化资料、群集合关联分析等方法,让机器学习得到的关联和分群结果,符合大众对中药的用药习惯。

谢邦昌说,这就是传统医疗信息结合最新科技应用技术的最佳实证。

现在市场上,各家厂商都在做自己的区块链及数码货币。最终还是要集成,否则只是百家争鸣、各据山头的产业景象较无法发展出有规模的生态系。谢邦昌说,目前区块链产业可用战国时代来形容,将来数据和格式如何标准化,将会是区块链英雄们真正崭露头角与鹤立鸡群的关键。目前北医除了现有发展的区块链技术外,也保留了未来与业界共同标准化的弹性空间。

目前北医也透过台北医学大学医疗暨生物科技法律研究所,从大数据和人工智能的角度切入,在伦理、道德、法律等各方面,完善区块链、大数据、人工智能、智能产权(Intellectual Property;IP)等新科技技术的发展立基。此外,也必须再更深一层研究一般资料保护规范(General Data Protection Regulation;GDPR)与台湾个人资料保护法,才能在健保信息、临床数据、基因工程、转译医学等面向上,统合出更有系统与符合实际应用的新方法。

除了大数据和人工智能以外,谢邦昌认为,远距医疗将会是2019年医疗界不容忽视的趋势。目前,台湾有超过15,000家的便利商店、15,000间诊所、8,000家药局。透过集成这些医疗和便民的单位,透过医嘱的系统性调整,势在必行或许可以很贴切地描述居家健康照护与远距医疗的发展。

  •     按赞加入DIGITIMES智能医疗粉丝团