Solomon
DForum
 

影像科学、语言声音文字描述、生物标记 国际医疗人工智能发展三大面向

李友专认为人工智能在医疗上的应用相当多,其中数据的收集也是发展重点之一。台北医学大学科技学院提供

人工智能的发展,可从1940年代的计算机发展算起,到1950年代的人工智能研究,以及1960与1970年代的AI语言与知识表达系统。在近几年间脱离了纯粹计算机运算的研究阶段,进而与各产业间产生了许多跨界的应用。人工智能在医疗的产业应用,包含了影像科学、语言及声音的文字描述、生物标记等3大面向。

由于近年图形处理器(Graphics Processing Unit;GPU)产业与区块链挖矿等各式应用方兴未艾,也造就了NVIDIA等国际GPU大厂。此外,再加上NVIDIA最近也以69亿美元收购了芯片制造商迈伦科技(Mellanox),许多产业人士都预计未来的人工智能将会有更多不同的应用发展。

 点击图片放大观看

郑启桐表示,Strong AI尚未出现,不过目前许多Narrow AI的准确率都很高,已能协助医师判断得更精准。蔡腾辉

人工智能语言编码

在医疗AI当中,自1993年起投入人工智能医疗应用研发至今的台北医学大学科技学院院长李友专认为,影像的研究非常重要,国内外有很多团队准确度都很高;另一方面也分享在语言与声音等文字叙述方面的观察。

李友专说,文字资料可以分成两大类。第一大类包含了门诊的SOAP资料和病历,以及入、住、出院的行政内容与急诊的叙述文字。第二大类则包括了象是美国国家医学图书馆(National Library of Medicine;NLM)的MEDLINE资料库,以及PubMed等资料库平台当中、2,000多篇以上的文献摘要内容。其中在台湾又以万芳医院有使用的IBM Watson for Oncology系统为第二大类中最好的例子。

国际学术机构极为重视AI

IBM Watson是IBM和美国纪念斯隆-凯特琳癌症中心(Memorial Sloan Kettering Cancer Center;MSK)团队共同合作开发的系统,Watson的正确率与癌症疾病相关率则与MSK团队资料有90%的吻合。此外,与一般的医学影像办别的人工智能不同,Watson最擅长的是「自然语言处理」(NLP)。

要发展人工智能,最重要的就是正确、干净、相关性高的数据。在国外大数据方面,李友专也提到麻省理工学院(MIT)、哈佛、波士顿贝斯以色列女执事医疗中心(Beth Israel Deaconess Medical Center;BIDMC)都有在收集与分析大数据库。其中,各大加护病房当中的心电图数据,就已有超过20万人的资料可供研究。此外,在欧盟展望2020的计画中,大约有50亿欧元的相关预算,就是用来结合各种新科技应用与治疗。其中包含了透过物联网装置所开发出来的癌症教练Coaching App。

在跨国合作部分,李友专先前也与美国密西根大学教授合作,在2018年11月推出计算机辅助系统。系统将病患的特征对接及分析,并且回传治疗方法。透过基因表现型,提供医师判断是否可以使用某种药物。包括美洲、欧洲、澳洲、西班牙、希腊、英国、MIT、哈佛、UC River Side等等跨国与跨区域的顶尖学术机构也都积极抢进人性化的人工智能与用药安全。

NVIDIA实习生计画

除了透过在线线下的座谈会、研讨会、学术论坛以外,目前NVIDIA已推出1年的实习生计画,让医师与各领域人士,到NVIDIA了解AI事业与影像芯片在医疗领域能提供的功效,进以增进跨产业之间的了解。

美国FDA与AI医疗影像

以现在的骨折热点分析技术为例,长庚外伤急症外科医师郑启桐认为,目前只能在单一任务上有较好的表现的AI技术,未来也能有更多突破。比方说,超越现在的单一点位的骨折热点分析,将来可以让影像更复杂骨的盆腔骨折都可以综合精准分析。此外也提到目前美国美国食品药品监督管理局( Food and Drug Administration;FDA)也已经许可藉由AI来识别手腕医学影像的临床诊断技术。

台北马偕纪念医院放射诊断科医师黄威铭也分享,在北美放射学会(Radiological Society of North America;RSNA)年会上,看到不少国外医疗技术最前沿的创新应用,包括自动化大图检视CT影像、疾病机率预测、生物标记比较等。此外,黄威铭也说,稳定与清晰的影像撷取,将是心脏血管科导入人工智能等医疗影像辅助判读更上层楼的重要分水岭。

计算机断层扫描(Computed Tomography;CT)创新技术方面:在CT影像产出后,医事人员传将影像传到计算机辅助工作站,工作站一有资料,就会自动跑程序。约莫1至3分钟,会生成初步侦测结果,此结果会以附加指标的图片显示,标明该部位是什么样的病症。医师点选图片,就可以将各患部特征放大,进一步诊断是否真的异常。

疾病机率预测方面:在接口相当方便使用的系统内,医师经过科别点选、输入年纪、症状、数据、影像参数等项目,就可以得出各病症的机率。象是A病有60%的机率;B病症有30%的机率;C病症有10%的机率。黄威铭说,跟赌神电影当中,摄影机拍摄影像后,分析底牌是A或是4的机率概念十分类似。

生物标记报告:医师在系统中点选不同的生物标记,就能得到不同的分析报告,象是选择打入显影剂的前或后,即能得出不同且有比较病症的数据和图示。此外,系统也能再次加上资料库数据,辨别图形的左右或以对称方式显示。在大脑灰质、白质、基底核是否有病症,也都会清楚显示机率,供医师诊断参考。

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 人工智能 医学影像 李友专