沐恩生医光电Auto DL提升疾病判断准度

随着人工智能(AI)的技术发展，不仅改变科技产业的样貌，却也陆续产生瓶颈，以医疗应用为例，为训练出能进行正确判断的AI影像识别模型，往往需要成千上万张的影像数据，才能做到深度学习(Deep Learning)。

沐恩生医光电技术长王淳恒指出，这种传统的医疗影像AI模型训练方式，往往需要许多医师对医疗影像先进行大量标记，才能开始训练AI模型。但由于每位医师的标记想法并不一致，不容易建立可靠的训练基础，而且很多医师不见得信赖其他医师所做的标记，自然也不会接受事先做好训练的模型。

而这种需要大量数据才能完成的传统AI训练方式，如果用在COVID-19(新冠肺炎)胸腔X光的判读，受限于台湾的疫情病例不多，数据量不足，恐怕也无法训练出可靠的模型。

王淳恒指出，医疗影像数据的取得也有一定程度的难度，除了要做到病历身份的去识别化，还要通过审查，这些因素都会大幅降低医师提供数据或标记，帮助工程师训练AI模型的意愿，对医疗影像AI的推广形成困难。

但如果是让医生用自己的标记来训练AI模型，前述问题就能迎刃而解。沐恩生医光电于是建立一个仅需少量数据，就能训练的模型，透过影像识别AI自动化训练软件(Auto DL)，使用200多张影像数据，即可训练一个COVID-19(新冠肺炎)胸腔X光分类的模型，以COVID-19胸腔X光模型开发为例，使用RTX 2707 GPU的桌上型电脑只需训练1个多小时，准确率即可达到99%。

王淳恒形容Auto DL不但能靠运算力帮助医师在更短的时间做出正确判断，还能朝解决可解释性的问题方向发展。医师只要有基本的AI观念，对数据处理及题目定义有正确的概念，便可训练AI软件来符合自己的要求，也更能理解AI模型提供建议的解释过程，自然会提升对AI模式使用及推广的意愿。

王淳恒表示，这部分模型还在建构中，先前已建立医疗用的训练模型，让医师使用较少的数据就可进行训练，也已经拿到相关专利，目前正与亚东医院、阳明大学等相关单位合作。

沐恩生医光电目前开发的技术，虽然只需要较少的数据，但同时却需要较大的运算资源，由于公司仍处于新创阶段，运算资源有限，初期只好牺牲演算法在训练的效能，导致训练一个模型的时间需要3~5天，准度也只能达到0.7~0.8的水准。

沐恩生医光电后来跟国网中心合作，得到TWCC台湾AI云的运算资源后，沐恩生医光电得以利用国网资源开发出新型演算法，加速模型训练的速度。王淳恒表示，模型调效的时间不仅缩短到1天，该模型也能在几秒钟内判断有无新冠肺炎，准度更已达到0.9，可望加速快筛的程序。加上国网中心有网安认证，合作较无安全性疑虑，也更能取得对数据安全较为敏感的医疗单位信任。

透过国网中心的协助，沐恩生医光电的开发速度和资源使用都得以有更大的调度空间，未来将朝向药物开发等高运算量的研究来努力。王淳恒表示，当疾病发生时，要如何用药物来抑制疾病，需要建立蛋白质交互作用网络等各种复杂的新药探索及验证过程，过去只能盲筛，易造成失败，开发时间约10~15年，进入临床后还可能需要3~5年，若能用足够的运算力让AI来比对找出药物适合开发的方向，不仅可缩短时间、资源，更可提升效益，嘉惠所有需要新药的医师及患者。