Microsoft
order
 

AI适用于早觉医疗 协助实现医疗质量与病人安全

台北医学大学医学科技学院院长李友专。

AI历经了不同时期的演变,1960年随著启发式查找的发展,遂正式展开以逻辑为基础的推理时代序幕,到了1990年在知识工程与专家系统的推波助澜下,正式进入以法则为基础的表示法时代。进入2015年自主学习开始藯为风潮,进而带动了由大数据驱动的机器学习时代到来,甚至有人预测2045年会进入超级智能时代。

当前健康照护存在许多关键疑虑与问题,台北医学大学医学科技学院院长李友专归纳指出,其不外医疗错误、质量不佳、以偏概全,以及轻忽预防。其中预防之所以很难的原因,不外缺乏可见目标、没有疼痛感、人们对机率不了解,同时科学家无法提出有效的预防措施,更重要的是其市场价值较低。至于预测,除非其能满足精准、及时、个人化与可行等条件,否则预测毫无用处。

针对三级预防,其中第一级预防可采用AI早期风险降低机制,第二级预防则适用AI早期侦测,第三级预防可透过AI早期介入(Earlier Intervention)来实现。李友专引述3,500多年前的《黄帝内经》所讲的「上医医未病,中医医欲病,下医医已病」,说明了中国古代早已具备预防医学的概念。

AI非常适用于早觉医疗(Earlier Medicine),因为AI可以侦测健康恶兆、预测疾病进程,并可预防失能恶化。例如台北医学大学联合皮智公司推出「痣能达人MoleMe」,其运用AI来协助民众自主检测身上的痣是良性还是恶性,该工具集结了3,000名使用者所提供的痣影像与4位皮肤专科医生的专业进行机器学习的模型训练。另外该工具也提供象是年龄、性别、痣的大小、痣存在多久,以及最近有无变化等5项非影像因子做为分析判读的参考基准。

痣能达人采用监督式机器学习与深度残差网络(ResNet),其准确度高达93%,其判读结果与医师判读的一致性高达95%。目前痣能影像库已累积共15,000张影像。除了痣能达人,李友专的研究团队也另外运用AI机器学习推出「智能型药物安全系统(AESOP)」,以及早期癌症预测模型。

李友专归纳指出,AI可协助实现医疗质量与病人安全,改善「以偏概全、一体适用(One-Size-Fits-All)」的问题,并达到预测与预防的效益,再者,AI必须用于改变未来医疗,否则医疗将不会有突破性的进展。


  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 预防医学 智能医疗 医疗人工智能