【高速运算应用-学研之星】美索运用人工智能技术解决癌细胞识别的瓶颈

数码化医疗影像应用在智能医疗领域的成长一日千里，利用人工智能(AI)技术来改善医学影像的处理是生医电信息(BioICT)与智能医疗等未来趋势中的一项重要技术，美索研发工作室是一家AI研发服务的新创公司，聚焦于医学领域的AI落地应用开发，主要客户群涵盖医疗领域相关研究的教授、医师、与生物技术公司。

由于处理高分辨率的医疗影像数据，该公司所提供的技术服务是一种研发外包和数据处理，协助客户建立定制化的AI解决方案，来处理医疗影像与数据。一般而言，客户端仅需准备训练所需的数据集，就可启动AI学习的流程导入程序，后续包含数据数码化、数据专业标注、模型训练等工作，都是美索所提供的定制化服务。

美索的创始人林君彦先生是医学工程的博士，长时期在医学仪器设备与应用领域有坚实的实务经验，因为美索的商业模式与客户的高度敏感数据特性与研究议题，所以无法对外揭露产品与服务的细节，不过台湾各医学院、大学实验室，以及生物医学领域之科技公司所发展的技术项目是非常蓬勃。

美索近年屡屡在台湾AI竞赛中获得佳绩，近日又获选经济部工业局的AIGO实证解题团队，为两个医疗题目提供AI解决方案，也是少数同时入选两题的团队。美索的这两个医疗AI解决方案，在AI DAY 2020大会中分别拿下了解题赛的优等和佳作奖，也是唯一拿了两个奖的团队，获得了许多关注。

美索所关注的显微镜医疗影像是属于特殊的专业领域，所处理的数据内容复杂，而且影像分辨率高，其所发展AI模型经过长期的验证后，甚至超出医学团队的期待，形成具高效益的解决方案，这是美索产品线的最佳卖点，目前进一步将最新的SimCLRv2 的学习方法带入产品线，在癌细胞核的识别上，已达医学上应用实例的水准。

这种称为「对比学习」是非监督式AI学习的一种，近期有很大的进展与发表，美索技术团队利用相关的技术理论，进行对肿瘤细胞核的深度神经网络学习，期望能在大量未标注数据中，学习到细胞和型态的种种表现，并进一步用少量的标注数据，来做到癌细胞的识别。

以目前常用的影像数据来说，高解析的影像档案大小动则6 GB的数据量，庞大的医疗影像数据，需要高速的档案系统进行传递，经过影像处理后，才能利用半监督式的AI训练方式，完成定制化AI模型的开发，过程中需要具备高速运算能力的GPU与大量存储器容量，因此使用大型的机器来协助训练深度神经网络的工作变成不可或缺。

因此申请「TWCC星创争霸-严选新创」活动，并取得TWCC以超高分辨率影像作AI训练与计算服务，解决大型电子档案的快速读取，取得速度上的优势。事实上林君彦早在台湾杉一号的时代就是第一批申请试用者之一，所以比较这两代的超级电脑服务时，的确发现硬件高速运算速度令人印象深刻，不过他认为除了速度之外，最受重视的是系统弹性与稳定性，有些使用的状况，往往出问题在于软件环境的稳定性，例如将TensorFlow 2.0升级为TensorFlow 2.3时产生的软件的问题，让TWCC在价格上的优势受到了折损。

林君彦目前聚焦于发展落地应用，重点是符合长远的效益，由于AI软件开发成本高昂，面对台湾健保制度所产生的健保平价策略而让AI解决方案难以普及，虽然仍可朝高获利的海外市场发展，但是因为在地化的实际使用者反应与市场检验，才能帮助台湾医疗新创掌握未来大量商机。因此AI新创产品的市场策略与产品计划都需要步步为营，目前美索尝试与大型医院合作，将开发的新产品寻求整合进入医疗体系的机会，让产品获得更多的市场检验与曝光机会，以进一步开发新产品，并形塑未来的成功契机。