台湾医疗AI机会多 研华从赋能迈向精准医疗

研华AIFS/Medical Imaging(Artificial Intelligence Framework Services/Medical Imaging；产业AI应用开发平台/医疗影像辅助建模工具)。研华科技

国际与台湾医疗体系当前人工智能的应用趋势发展重点，聚焦在影像的部分已有长足的推展，不让影像类别专美于前，研华科技资深研发经理郭柏村观察到，现在数值型AI的应用也很多。科学家利用病患的生理数值、病历、观测数据、输入输出液体、尿量等检验数值，已产生许多关键性的应用，像是在加护病房(ICU)，可用AI预测患者出院后，会不会再住院等急性状况。

研华身为台湾医疗科技大厂之一，同时身为国立阳明交通大学合聘副教授的郭柏村，站在医疗与科技交会的第一线观察，台湾医疗AI的发展机会很大，虽然同时需要克服不少关卡，但从帮助临床人员开发AI，到三大导入医疗场域营运目标，都将一步步走向未来精准医疗的新境界。

帮助医疗人员自己开发医疗AI

近年来，研华积极布局研华AIFS/Medical Imaging(Artificial Intelligence Framework Services/Medical Imaging；产业AI应用开发平台／医疗影像辅助建模工具)。研华设计此平台，主要是要解决医疗单位在于医疗影像的问题。举例来说，建模工具可以提供医疗人员工具，让医疗专业人员，能够自助建立AI模型。郭柏村补充说道，这些模型就是要能够在临床辅助和落地的AI模型。

医疗人员可以透过产业AI应用开发平台快速建置模型，包括有适宜的UI界面、圈选工具。像是在医疗影像辅助建模平台当中，将PACS的数据拉进来后，即提供浏览功能、放大、缩小、调整明暗程度、可以检视上下张照片。如在CT图档中，人员也可以在某个病灶或器官上，使用标注工具，以手动方式画圈圈、圈选多边形、矩形框框等方式，快速标注细节位置。

为了加速标注速度，研华也提供AIAA功能，也就是AI Assisted Annotation功能。以系统已预先训练一个AI模型为例，医疗人员将数据倒入后，系统能够大约把病灶标示出来，举例而言，AI先标出80%，剩下20%再由医疗人员标注，即能加快标注时间，郭柏村认为，这样也代表建模所需的标注图资数量会快速增加，在飞轮效应下，可以有很正向循环，加速AI模型迭代更新的速度。

医疗AI三大目标

目前，研华积极在影像型AI、数值型AI、精准医疗看板深耕，郭柏村认为，所有的医疗AI导入在医疗院所，就是三个任务，第一、提升病患就医品质。第二、减少医生负担。第三、改善医院的营运效率。

研华先前与成大医院合作急诊室的警示服务，透过结合人工智能的流程，系统会发警示给放射科医师，就可以快速发现如主动脉剥离等严重的急重病症。系统可以提供阅片时的高风险案例，建议医生优先诊治。这样的方式，可以减少高风险病人的等待时间，进而得到更优质的处置与预后品质。

与先进先出的传统急诊室流程相比，医生能先救重症病患，同时因为重症病患，获得优先处置，预后佳、出院快、医院病床周转率变高、医院营运效率就会提高。这些实质效益，就能符合上述的三个点。

未来AI三大布局

研华未来在医疗AI上，将有三大新布局，包括精准医疗、联邦学习、可解释AI。第一、精准医疗。现在的影像型AI都在解决单一问题，而未来的精准医疗目标，就是要做个人化的医疗辅助。因为每个病人的治疗方式不一样，未来医疗要把所有的数据，包括基因定序、生活调查表、家族史、每次检验的数据都加进来，才能有更多的AI决策与推荐方案，包括疗效评估，到底使用哪些药品，会有哪些效果，也可以透过精准医疗来综合评估。

第二则是联邦式学习。因为台湾医疗数据不足、变异性不大，如果未来台湾医疗科技要走向国际，这将会是重中之重。透过数据不出门的方式，只是模型权重的分享，台湾可以跟国际之间有跨单位与跨机构的学习，训练完的参数，放到公有云的服务器融合完后，再把模型派到各个机构与单位。如此模型分散式学习，数据不离开该机构的方式，也能够让各单位之间有更多合作的契机。

第三项是研华目前在努力「可解释的AI」，希望让AI不要再是黑盒子。将黑盒子打开，也能够让医师与护理人员更加信任此模型。让使用者了解AI推论的背后逻辑是什麽，比方说AI对某些病灶圈选会辅以热区图标示，明白表示什麽是AI关注的所以导致这样的推论结果，这样才可能会是可以被人信任的医疗AI，也才有机会让医疗AI更加融入极具人性关怀温度的医疗服务当中。更多信息可谘询研华医疗AI解决方案，或进一步报名了解研华智能病房解决方案。