订报
断链之后
 

【杜奕瑾专访】使用者反馈为医疗AI新创最佳养分 AI预测由小见大(之二)

台湾人工智能实验室创办人杜奕瑾。符世旻

台湾人工智能实验室(Taiwan AI Labs)与台北荣民总医院(以下简称北荣)合作人工智能脑瘤自动判读系统(DeepMets),透过8,000多笔资料与6个多月的开发时间,在北荣推出了AI门诊。系统导入医院时,医师与工程师之间的不断修正与反馈也相当重要。对此,Taiwan AI Labs创办人杜奕瑾认为,医疗加上科技必须要以医学领域专业为基底,再加入科技元素才能有效创新。

跨领域结合 需要领域知识 更需要使用者反馈

转移性肿瘤AI系统是全球首创,现在已有很多医师加入写程序的行列。包括电机、法律、医科、护理师背景的人才也都纷纷加入Taiwan AI Labs,因为跨领域人才的合作,才能让软件创新更有发展。

以医学领域专业为基底,再加入科技元素,才能有效创新。否则,仅是凭借科技创立平台,使用者可能也不知道如何使用。「有人用的系统,即便不以平台定位出发,也会发展成平台。」

机器学习让精准医疗成真 AI门诊让民众更有感

针对AI门诊的创新,杜奕瑾认为,「AI不会取代人类,但是懂得使用AI的医师会变成主流」未来说不定病人会希望AI变成门诊的标配。

由于每个人都有不同的遗传基因、生活习性、居住环境,若是要发展精准医疗与推出个人化医疗照护,就必须藉由大数据分析、机器学习、深度学习等技术,从不同疾病的预防、预测、诊断、治疗、预后着手,才有办法达到个人化的服务。相较之下,在研究上,传统的生物统计无法做得如AI系统那般精确,在看诊上,医师也是靠过往经验、依照大树法则来诊治。

「预测」是AI很大的一项特色与产业希望借力使力的功能。不仅能了解怎么预防疾病、也可以减少民众因为小病到医院就诊的次数。若是能藉由AI,减少病人花时间挂号、医师告诉病人病症其实不严重的状况,那么将能节省各方不少时间、精神、体力,也能同时让资源更有效分配。此外,在较严重病症的判别上,集成医师的专业与人工智能的速度,能增加医师的诊断正确率与效率。

最精简可行产品(Minimum Viable ProductMVP)

软件创新的概念与硬件制造很不同,「软件盖城堡、硬件做积木」,盖城堡要考虑到使用者的「体验」、「解决了什么问题」。先找到医院的希望解决的痛点将是关键。也因此针对生医新创团队的选题上要观察问题、尝试解决之后,评估未来是否能持续应用到该领域上,若有更多发展空间,再成立公司为新创。

同时认为最精简可行产品(MVP)的概念,也适合新创选题参考,也就是藉由创新技术的一部分,让开发者能表达核心概念,同时进行验证式学习,再根据使用者反馈继续开发,也能降低开发的时间与金钱耗费。而选题大小部分,很多产业前辈都会提醒新创要解决大格局的问题,但杜奕瑾则是认为,不用刻意预想问题的大小,说不定现在解决的小问题,也是其它国家的问题,那么产业之间就可以互相连结,变成大格局的解决方案了。

蔡腾辉

DIGITIMES电子时报智能医疗主编蔡腾辉Mark Tsai
专注研究智能医疗产品技术服务导入场域时,所遇到的困难症结与如何克服要点。
精通中英德语,热爱挑战与Swing Dance。
Facebook:DIGITIMES智能医疗

作者更多专栏

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 杜奕瑾 使用者经验 生医新创