AI落地有助提升整体医疗品质 台厂多聚焦医疗辅助应用方案

近年AI技术、演算模型、基础建设发展日趋蓬勃，使得各产业采用AI的比例大幅上升。DIGITIMES Research观察，健康医疗照护产业在医疗数据快速累积的基础上，鉴于医护人力不足的现况与趋势，健康医疗照护产业更愿意导入AI，以提升医疗品质与效率、降低医疗成本、减轻人力负担。

世界经济论坛（World Economic Forum）研究指出，AI将成为2030年改变健康医疗照护产业发展的关键推手，包含促进健康预防、提升医疗效率及提供最适照护策略等三构面。

AI技术根据处理数据类型，大致可分为五大层面，包含时间序列与预测、图像处理、音讯处理、自然语言处理（Natural Language Processing；NLP）与影像处理。这五大层面在健康医疗领域的应用，可从健康、医疗、照护三阶段历程，依据实际功能需求，再细分出多样化的应用情境，以下分述说明：

时间序列与预测：时间序列数据为根据时间的前后，来标记数值的一种数据模式，例如每天血压、血糖、睡眠记录等数据，而预测分析则是利用数据采矿及统计模型，去分析这些时间序列数据（历史数据），并从中抓出某些特定的模式以进行预测。

图像处理：图像处理分为两个层面，一为图像识别，另一则为图像生成。图像识别为目前AI在图像处理较成熟的应用，在健康历程的应用如分析食物照片中的营养成分或热量，以协助使用者进行饮食健康管理；医疗临床上的图像识别则以医学影像的病徵识别标注居多，包含X光、CT（电脑断层扫描）等放射科影像的病徵注记，或病理玻片的细胞计数等，可辅助医师提升阅片效率、降低失误。

至于图像生成在医疗临床上的应用目前多属于影像重建与优化，如利用2D骨骼放射影像进行3D重建。

音讯处理：AI在音讯处理的应用指针对各种声音的识别及加工，包含人声、环境音、机器声等，在健康领域可应用于睡眠管理的鼾声、呼吸侦测，或心理健康应用的人声情绪识别，加上NLP技术，可开发出辅助心理谘商的聊天机器人。

自然语言处理：自然语言处理为透过数学模型与演算法来让机器认知、理解并运用人类语言的一种技术。在医疗领域应用范畴，NLP应用如智能助理、文本生成、文件处理等对新药开发，或医疗行政流程数据的建立，特别有帮助，可加快医学文献与药品查找的速度，大幅缩短药物开发流程，也有语音纪录看诊过程再自动生成病历数据的NLP应用出现；在辅助照护应用，包含用药纪录、生理量测提醒等语音助理或聊天机器人，以减轻照护人员负担。

动态影像处理：动态影像处理技术在健康领域的应用包含运动姿态甚至心率的动态侦测分析，在在线运动课程中可担任AI虚拟教练，提供更精准的定制化训练建议；而用于照护的动作侦测则常见于复健动作准确度的侦测分析，及跌倒等意外侦测警示。至于医学上的AI动态影像处理应用则较常见于内视镜手术的影像识别、手术机器人等。

有监于AI/ML在医疗上的应用愈趋广泛，欧美各国与国际组织相继针对AI/ML医疗软件发布相关监管规范。

美国FDA（Food and Drug Administration）于2019年即开始讨论基于AI/ML医疗器材软件的监管架构，历时近两年终于在2021年1月发布第一个人工智能／机器学习演算法的软件类医疗器材移动计划（Artificial Intelligence and Machine Learning （AI/ML） Software as a Medical Device Action Plan），提出五项针对AI/ML医疗软件的监管移动方针，拟建立基于产品生命周期的完整监管方式，允许AI/ML软件可从现实世界的数据中更新演算法，同时确保患者安全。

WHO（World Health Organization，世界卫生组织）于2021年6月28日发布人工智能于医疗领域的伦理与治理（Ethics and Governance of Artificial Intelligence for Health）指南，由20位专家花费2年的时间制定该指南，为第一份医疗照护领域的AI伦理共识报告（consensus report）。

美国FDA、加拿大卫生部（Health Canada）和英国药品和保健品管理局（Medicines and Healthcare products Regulatory Agency；MHRA）在2021年10月共同提出10项指导原则，作为优良机器学习实践（Good Machine Learning Practice；GMLP）与国际法规的参考指南，有助于推动发展安全、有效和高品质的AI/ML的医疗器材。

台湾AI在健康、医疗、照护三阶段的应用皆有业者投入研发，目前仍以医疗阶段投入的业者最多，因台湾有庞大的健保数据库可作为AI学习演算的基础，且各医疗院所为提升医疗效率、降低医护人力负担、发展精准医学等原因，也逐渐投入AI相关研究，业者也较容易与医院合作进行相关AI开发与临床验证，提高业者投入研发意愿。

台湾投入医疗AI的业者包含科技大厂与新创企业已超过20家，许多科技大厂除医疗领域，亦横跨健康历程至健康、照护应用领域，以打造智能大健康生态系为目标进行布局；而在健康、照护领域的AI研发也有10家以上业者投入，并积极与医疗院所、健检机构、照护机构等场域服务业者串联整合，以利AI演算法技术的优化与落地实践。

DIGITIMES Research观察，业者欲成功导入AI在健康医疗照护产业的应用，有四项原则可留意：
1. 以使用者为中心的开发模式与确效─以实际临床需求为产品研发的出发点，进行解决需求痛点为目标的介入与研发。
2. 需具备多样性的大数据数据─只使用某族群的数据进行演算法的训练容易造成分析结果偏颇，需广泛地蒐集高品质的数据，并反覆验证，以利AI演算法可适用于各群体。
3. 有效的专家系统─意指AI产品需具备相关领域内的专家知识，尤其医疗照护过往以经验医学模式为主，需聆听相关专业医护意见，才有机会开发出符合临床需求与具备信赖水准的AI产品。
4. 永续盈利的商业模式─欲让AI应用确实发挥效益，达成永续循环的生态系，需足以获利的商业模式支持。

「AI EXPO Taiwan 2023」将于2023年4月19日到21日在台北华山文创园区举行，透过未来展场、不知讲堂、超级舞台 、AI创新奖、在线影城之五大活动贯穿展会，为期三天的实体活动深入探讨AI产业链前瞻动向，为台湾最具指标规模的AI专业展会。

欲了解更多活动详情，请上活动官网免费报名