科技产业报订阅
Advantechline
 

智能判读医疗影像 AI将成医师最强助手

台大医院影像医学部专任主治医师暨放射线医学会秘书长李文正指出,深度学习算法可快速判读医疗影像,将成为医师诊断病情时的最佳工具。

影像检查是医师在诊疗病症时的重要依据,为提升医疗精准度,医疗产业也不断提升各种科技。近年来AI成为全球热门技术,在众多应用中,影像识别是发展最迅速的领域,也因此,现在市场上已多有厂商投入AI医疗影像的发展,对此趋势,台大医院影像医学部专任主治医师暨放射线医学会秘书长李文正指出,AI的确可协助医师诊断病情,不过无论如何,AI只是诊疗过程中的工具之一,使用AI的医师必须知道工具的能力与限制,才能完善利用其功能,提升诊疗质量。

医疗行为与人体安全息息相关,因此相关的技术发展未曾停歇,近年来全球产业掀起的数码化趋势,在医疗产业早已引进并使用多年,尤其是X光、计算机断层扫描、磁振造影等医疗影像,都早已数码化,甚至是自动辅助系统,也都有相关产品问世。不过李文正表示,目前医界所使用的辅助系统准确度还不高,常会发现「有问题没找到、没问题的反而误判」之类的状况,这反而徒增使用困扰,AI导入提高准确度后将可解决这方面的问题。

与过去的发展方向不同,自21世纪初启动的AI,是以机器学习为主要算法,而机器学习中的深度学习,又是目前影像识别应用中的主流,深度学习可由大量数据中自行学习并判别出数据特征。李文正指出,这几年深度学习在影像识别成为显学,无论是学界或企业界,都举办了各种竞赛。美国史丹佛大学创立的ImageNet影像识别竞赛,2012年的冠军队伍为加拿大多伦多大学教授Geoff Hinton领军的研究团队,利用深度学习的训练模式与自动归纳技术找出特定影像,大幅提升了影像的辨识率。现已有厂商将深度学习应用于医疗领域,实际场域中已具可行性。

李文正指出,深度学习适用于癌症、骨折,这种需要透过影像判别肿瘤位置、侦测骨头裂缝线条之类的单纯、单一的识别工作,识别结果出来后,医师再参考临床信息进行更深一层的监别诊断。就目前应用来看,AI医疗影像系统仍仅止于助手的角色。他以汽车为例,近年来ADAS已然成为各车厂的新车标配,ADAS中的车道偏移和前车碰撞等两项警示功能,都可提醒行车状况,不过车辆的掌控仍由驾驶人负责,而ADAS与驾驶人的关系就像AI医疗影像系统与医师的关系,最后的决策仍以使用者为主。

对于AI医疗影像系统的应用现况,李文正坦言台湾目前仍未被医疗院所广泛使用,原因在于医院购置新设备的考虑面向非常广,极少只为单一需求就采购新品。不过根据他的了解,多数医师对于AI的应用都乐观其成,尤其是人力吃紧的放射科,AI确实可以缓解沉重的工作负担。至于部分抱持观望态度的医师,主要考量点是对科技业者宣称的AI效益仍有疑虑,对此李文正则认为,医学领域安全至上,所使用的产品都会经过严谨的测试,确定无虞后才会正式上路,因此问题并不大。

除了部分医师的疑虑外,AI在医学影像的应用要普及至医界,李文正指出还需要克服数据库与跨业合作两个问题。深度学习必须透过庞大的数据量作为算法基础,对此台湾的医疗院所在长年经营下,都已累积了大量的影像,不过这些影像的储存方式当年本非为了AI应用而设计,因此必须要进一步整理为深度学习可用的数据格式,才能开始启动训练模式。

第二个问题则是医学与科技两大产业的磨合。李文正指出,台湾这两大产业的技术都居全球领先群,发展智能医疗有相当优势,不过医学与科技的专业度都极高,彼此要集成并非易事。面对此一难题,目前政府与产业都已着手开始解决,科技部近年启动了一系列计画,加速两边的讨论与沟通,另外医学领域也开始有医师投入科技研究,李文正本身除了具备医师资格外,后来也进入台大电机工程研究所博士班就学,在拥有这两大领域的专业知识下,成为智能医疗最有力的推手。在医界与科技产业的全力发展下,现在AI在医疗影像的应用,虽离实用化还有一段距离,商业模式也仍在摸索中,不过李文正指出,整体趋势已然确立,未来发展值得乐观期待。

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 深度学习 智能医疗 AI医疗影像