科技产业报订阅
event
 

智能AI医疗应用与升级

IBM的Watson可以说是AI医疗的始祖。资料来源:IBM

早在十几年前,IBM科学家提出一套名为Watson的医疗专家系统,要帮助医疗产业解决许多繁杂的重复性工作,甚至能够替代医生担任一定的咨询或问诊服务,虽然发展到最后因为错误率偏高而被IBM所放弃,但这个系统也开启了人类对于医疗AI应用的潜力探索。

真正推动AI医疗发展的,其实还是来自于近年来深度学习技术逐渐成熟,基于AI的归纳统整与识别能力已经逐渐可以取代人类知识,比如说在自动驾驶领域,系统可以自动判断道路上的行人与其它车辆的行进方向并自动进行跟随或回避动作,同时也能了解道路标线的意义,并且让汽车自动依照标线的指示前进或停止。

 点击图片放大观看

Google旗下的DeepMind公司利用大量视网膜影像训练出能判读眼疾的AI。资料来源:DeepMind

台湾杉二号利用庞大的AI演算能力,推动台湾AI技术发展。资料来源:科技部

而另外一个推动AI医疗发展的重要原因,就是因为人类生活质量的提高,使得老年人口比例大增,不仅医疗成本负担明显增加,就连医疗人力也会明显不足,在这种情况之下,发展AI医疗,已经成为不得不走的方向。

台湾过去在资通讯产业的发展,医疗相关的高精密机械,或者是用来运算医疗图象的设备或技术,以及相关的半导体元件,都可以在台湾找到非常优质的方案,加上台湾医疗技术在全世界也是属于一流水平,结合这些优势,可以说为台湾发展AI医疗打下了非常好的基础。

医疗图象处理

要诊断疾病,可能就要牵扯到许多医疗图象的判读,过去这些工作都要交由专业医生来处理,但影像判读恰好是AI最擅长的能力之一。

Google旗下的DeepMind公司利用大量的视网膜影像,利用机器学习,通过AI算法建立演疾识别模型,让AI能够代替眼科医生,判读眼睛疾病,而且精确度和人类医生相去不远,而多家公司也利用类似的原理,利用大量X光片或者是超音波图象训练AI学习认识不同器官疾病,同样也获得非常好的成果,其精确度甚至已经超越人类医生的判断。


NVIDIA可以说是这些医疗图象识别技术的推动者,该公司利用GPU运算加速机器学习,让一般计算机处理器数个月才能学习完的图象资料,可以在数小时甚至数分钟之内就训练完毕,让AI模型的建立可以更快速,成本也更低。

帮助早期发现症状

台北医学大学与美国麻省理工学院的一项研究发现,随著AI在医疗行为涉入的程度越来越深,这些AI诊断工具可以利用多方面的资料筛选与比对来达到早期疾病的侦测,帮助拯救更多生命,也同时节省更多的医疗资源。

该论文「人工智能如何让医疗更加先进」于2020年8月刊登于国际医学研究期刊上。论文中提到,利用AI及大数据为基础的疾病预防模式,就称为「早觉医疗」。

过去健康检查都是采用全面检验的方式,比如说例行的乳癌检查,或者是肝病检查,都是采用一视同仁的检查方式,可能一次动员上千人,但最后检查结果出来,可能只有少数几个人,但为了抓出患病者,却要消耗大量医疗资源,而目前的普筛争议也是一样的问题,如果数千个样本中只能找到一两个确诊的病患,这种普筛也会因为消耗资源太大而显得不切实际。

在论文中,作者利用AI搜集个人健康信息,包含个人病史、家族史等不同变量,利用这些大数据的整理与模型对比,可以筛选出疾病的高危险群,而我们只针对这些高危险群进行检查,在理想状态下,可能有三分之二确定患病。如此高精确的预防措施,更能够达到精确诊断、早期治疗的效果,同时也帮助节省宝贵的医疗资源。

医药研发

2020年疫情发生时,台湾AILabs将「老药新用」的数据平台开放给全球合作,找出许多对肺炎病毒有效果的传统药物,该平台目前提供4种常见病毒蛋白的标靶药物数据库,收录美国FDA整理出的1,615个不同药物以及台湾1,811个有公开结构的不同健保药,并已经筛选出各类型化合物候选药物。

根据AILabs公开的数据平台,归纳出有24种COVID-19(新冠肺炎)病毒蛋白,并对4种最常见的蛋白标靶进行分析,以利加速药物开发。

除了最被广为人知的帮助解决疫情表现以外,运用AI试算分子结构或做文献探勘,有效找出候选药物也是AI应用在医疗的一大方向。利用AI进行辅助药物与临床试验设计,可以更精准的找出有效性较高或较易合成的新药,提升疗效;或搭配深度学习,模拟新药动物实验,可减少活体动物的数量并缩短研发时程。还能以药物结合复合式医材,如在隐形眼镜添加眼药配方,持续释放、提升疗效。

台湾AI云推动AI医疗发展

科技部于2018年启动AI创新研究中心计画,从五百余件构想书中选出67件研究计画,分别在台、成、清、交4所大学成立AI创新研究中心。

成功大学的「科技部人工智能生技医疗创新研究中心」专注在生技医疗的研究,涵盖智能医疗、智能照护、智能生技等领域。智能医疗研究包含结核分枝杆菌监定、肝活体组织切片影像分析、阿兹海默氏症早期检测、核磁共振影像快速重建、生医影像类神经电路验证平台。

同时,科技部也利用其建置的云端AI运算能力,加速业界的发展。台湾杉二号超级计算机是以GPU组成的AI超级计算机,完全基于台湾自有IT产业的技术能力开发,可以提供演算能力给台湾有志发展AI技术的业者。目前也有不少医疗AI新创利用台湾杉的运算能力,推出不少解决方案。


比如说医疗影像新创公司云象科技,就利用台湾杉二号的庞大算力,发展医疗图象AI判读技术,利用台湾杉二号的技术优势,可以一次读入医疗影像的原档然后进行判读,不需要像传统的AI切割分别判读,精确度更能有效提高。

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: IBM Google 科技部 人工智能 智能医疗