「AWS Hero Song」助MediCAM用AI解医病问题

「AWS Hero Song」团队结合边缘运算与生成式AI，打造医病沟通系统MediCAM，获研华科技边云智控组优胜。DIGITIMES摄

近年医疗纠纷时有所闻，根据台湾病人安全信息网统计，将近1/3的医疗事件源自于医疗人员团队与病患、家属沟通不良，当病床前的医生与焦急等候的家属之间存在巨大的信息鸿沟时，误解与不信任便随之产生。

在第二届「云涌智生：台湾生成式AI应用黑客松」中，「AWS Hero Song」团队提出了结合边缘运算与AI技术的创新解方，为医病沟通开辟新的可能性，获得研华科技边云智控组优胜。

「AWS Hero Song」团队（又称「黑肉松」团队）成员来自清华大学信息工程系，他们深入分析后发现，医疗现场面临两大关键痛点，首先是医生与家属之间存在严重的信息落差，家属无法掌握完整的诊断与治疗说明，导致医疗安全风险上升；其次是由于无法实时了解病情与医嘱，家属常感焦虑不安，医病关系因而紧绷。

针对上述痛点，团队开发出「MediCAM」，这套系统运用研华科技的工业AI摄影机（ICAM）与Amazon Web Services（AWS）云端服务，结合生成式AI技术的创新医疗沟通系统。

MediCAM拥有四大核心功能：一是「实时影像串流」，让家属能够线上实时观看病患现况；二是「自动总结医嘱」，系统会录音医生的说明，转成文字并自动摘要成易懂的内容；三是「病况即问即答」，家属可直接透过自然语言向系统询问病患情况，获得基于实际医嘱数据的专业回覆；四是「AI病况日报」，每天自动生成病患情况简报，协助家属清晰追踪复原进度。这套系统不仅能消弭信息不对等的鸿沟，更能建立医病双方的互信基础，大幅降低沟通不良导致的医疗风险。

MediCAM的技术架构完整，涵盖了边缘运算与云端AI的结合。在病床旁，团队部署了Advantech ICAM AI摄影机边缘装置，负责收集现场影像与语音数据。系统运用机器学习服务Amazon SageMaker搭配 Whisper模型进行语音识别（Voice to Text），将医生说明转为文字。

同时透过Yolo＋FaceNet技术进行人脸识别与医师身份确认，确保信息来源的权威性。在文本处理方面，团队使用生成式AI基础模型托管服务 Amazon Bedrock的Amazon Nova Pro负责医嘱摘要与智能问答功能，并建置 RAG（检索增强生成）架构，确保回答的精准度与可靠性。

所有数据皆进行加密与安全传输，保障病患隐私。AWS 云端服务则提供了串流、存取与安全管理的可靠后盾，使得系统能够稳定处理大量影像、音讯与文字数据。

「AWS Hero Song」团队凭藉兼具创意与实用性的MediCAM，在研华科技命题组别中脱颖而出。评审表示，此系统具备多项优势：高度实时性让家属可第一时间掌握病患情况；信息透明且客观，医嘱自动转录与摘要避免信息遗漏或曲解；自然互动体验使用者仅需以日常语言提问即可获得回答，大幅降低理解门槛。

此外，系统以AWS云端服务为基础，能快速扩展至多院区部署。此系统不仅能有效降低医病沟通不良的机率，更为台湾医疗体系导入AI应用开创了新的可能。