Share on FacebookShare on LinkedIn

【台灣醫療業的 AI 轉型故事】中山醫院關鍵 AI 嘗試,台灣建立的肺炎診斷模型能讓世界搶著要

醫療導入人工智慧,這個在世界上議論已久的議題,對台灣來說意義非凡。

因為台灣是世界醫療科技的領先國家,擁有世界少數完整的健保體系、素質平均且高的醫師群聚,自然在智慧醫療發展會備受矚目,吸引關注。但實際上台灣醫院和相關新創合作的案例並不太多,也因此中山醫院這次參與台灣微軟 2018 亞太技術年會「AI 產業應用發表會」,可以說是台灣醫療體系和網路新創的合作典範。

中山醫院發展人工智慧的出發點是肺炎,現代非常常見的疾病,很多人都知道罹患肺炎後可能會發燒、咳嗽,卻不清楚它有致命風險,根據衛福部統計,台灣肺炎死亡率逐年攀升,10 年成長兩倍,已在 2016 年成為國人十大死因的第三名,醫師若想確認病患有沒有得到肺炎、及早投藥治療,最快的方式就是胸部 X 光檢查,從影像去判讀肺部發炎的狀況。

「然而,台灣 X 光專科醫師人數有限,需要判讀的 X 光影像又非常多,傳統人力判讀的方式,不僅沒有效率也很容易發生疏漏,」中山醫院婦產科主治醫師蘇軒一針見血地指出現行醫療影像檢查上的問題。

的確,無論何時走進醫院 X 光室,總是會看到等候區一大群病患在排隊,X 光片專科醫師為了消化大量的 X 光片,不得不加班工作、判讀影像,最後導致長期過勞影響工作效率,形成一種惡性循環。「其實,X 光影像判讀這種重複而固定的工作,最適合交給電腦來做,」蘇軒認真地說、眼神中充滿改革的熱情,他認為電腦應該站在第一線,利用人工智慧先挑出可能罹患肺炎的 X 光影像,再交由 X 光科醫師去判讀,才是兼顧效率與醫療價值的做法。

命中註定的相逢,PTT 認識的網友聯手創造智慧醫療新里程碑

蘇軒腦海中的醫療 AI 應用充滿創意,只可惜沒有實踐的機會,直到後來因緣際會在網路上認識牛蛙公司執行長陳泰呈,才讓 AI 肺炎篩檢有了落地的可能。

牛蛙,一個致力於智慧醫療的技術團隊,成軍才短短 3 年多,就已經開發出 RefiO 雲端藥局、問 8 線上健康諮詢平台… 等創新智慧醫療服務。「藥師的價值應該是走出藥局,為民眾提供藥物相關的衛教服務,而不是為了生活在藥局內販售各種生活用品,」陳泰呈語氣嚴肅地訴說著當初推動 RefiO 雲端藥局的初衷。

陳泰呈期望讓醫療專業發揮最大價值的想法,恰好與蘇軒不謀而合,因此兩人一拍即合,AI 肺炎篩檢計劃自此正式啟動,由牛蛙負責肺炎篩檢的人工智慧模型建模,蘇軒則居中穿線,聯絡中山醫院、長庚醫院提供病患去識別化 X 光影像,協助牛蛙建立公式化的模板分析。「我們其實只是在 PTT 上意外認識的兩個人,人生就是這麼巧」陳泰呈笑說。

▲ 左為蘇軒醫師,右為陳泰呈執行長

完整醫療體系和優秀醫師團隊,能讓台灣在智慧醫療彎道超車!

「除了提高 X 光影像判讀的效率與正確性,肺炎篩檢的人工智慧模型,還可以外銷給其他國家,作為他國提升醫療品質的產品,」蘇軒滿懷理想地說。尤其醫療產業相對不發達的國家,經常受到醫師人力不足、素質不一的限制,導致許多患者得不到正確的醫療處方和診斷結果,若能導入人工智慧醫療診斷模型,勢必能有效提升國內醫療水準。

只是,國外在 AI 醫療影像分析已經發展了 20~30 年之久,台灣最近 2~3 年才起步,難道還有市場空間?對此,蘇軒的答案是肯定的,他指出,國外起步雖早卻一直無法將研究成果商品化,關鍵就在於提供給機器學習的樣本品質參差不齊,導致建出來的模型不夠完善。「起因就是國外的醫師素質不平均,不敢說庸醫,但是確實有不那麼優秀的醫生」蘇軒說「要訓練人工智慧,如果醫師一開始的診斷根本就是錯的,導致病患的診斷資料中有錯誤,那不管怎麼訓練,都還是一個無效的模型」。

人工智慧,簡單地說就是提供大量的學習樣本,讓機器從樣本中去學習判讀影像的能力,也因此,學習樣本一定要正確、高品質,才能讓機器訓練出對的思考模式。而國外醫師水平良莠不齊,導致提供給機器分析的樣本,摻雜一些不準確的醫療數據,自然無法建立出正確的人工智慧分析模型。

國外醫療資料品質不一的缺點,恰好是台灣的優勢所在。台灣的醫學教育嚴謹、訓練環境完善,是世界上少有的高水準醫師群聚的國家,同樣一張 X 光影像,不同醫師的判讀結果幾乎都一樣,因此台灣的病歷資料非常適合用來開發 AI 應用,可以建造出完善的人工智慧模型。「台灣醫師幾乎全部都在 80~90 分,最爛的也爛不到哪裡去,這是世界少有的。」

唯一可惜的是,台灣目前的開放資料不夠多,去識別化的醫療影像通常都握在醫院手上,要取得這些資料,需要相當的關係和行政流程,例如:經過醫院倫理審查委員會同意,而審查時間至少要半年以上,這也成為牛蛙團隊目前在開發上所遇到最主要的問題。

牛蛙執行長陳泰呈評估,一個理想的人工智慧模型,樣本數量至少要 5~10 萬張,如果一家家醫院去洽談,每一家都要半年以上的時間審核,等拿到足夠數量的樣本時,就已經失去了市場先機,「我們希望台灣能建立出一套完整的病患資料授權模式,」陳泰呈認為,屆時受惠的不只是牛蛙團隊,而是整個台灣智慧醫療產業,唯有開放、透明且安全的醫療資料,才能發展出領先國際的智慧醫療服務。

人工智慧新創沒錢買好硬體,那就把資料放上雲端計算吧!

除了樣本來源以外,牛蛙在建模上還遇到硬體設備等級不夠的問題,幸好最後透過微軟 Azure 雲端服務克服硬體門檻。

人工智慧建模需要大量的硬體資源,而牛蛙身為新創團隊,所能使用的硬體資源有限,每次建模後至少需要 1 個禮拜的時間,才能看到建模成果,此外,用來當作建模資料的照片又需要不斷的調整、優化,才能讓電腦看得懂,間接拉長技術團隊建立人工智慧模型的時程。

而微軟 Azure 雲端服務,採使用量計費的方式,讓牛蛙團隊不必一次投入高額成本購買硬體,只要將人工智慧模型移到雲端進行運算,就能縮短建模的時間和效率。

建立更完整的醫療資料開放體系,台灣就能成為智慧醫療領頭羊

台灣是全球少見醫療制度完善的國家,不只健保涵蓋率廣、醫師平均素質高、醫療體系又完整,因此由台灣醫療資料所開發出的人工智慧診斷模型,具有相當的外銷潛力,而牛蛙傾力量打造的肺炎篩檢人工智慧模型,恰好是一個指標性里程碑,其和中山醫院、長庚醫院的合作模式,也可以做為 AI 新創和醫院合作的相關參考範例。

未來,只要台灣能建立更完整的醫療資料開放體系,讓新創公司可以更方便地取得去識別化的診斷資料,相信定能激發台灣智慧醫療發展的新高峰,成為全球智慧醫療的領頭羊。

文章授權: TechOrange 科技報橘

微軟 AI 人工智慧解決方案白皮書下載:https://aka.ms/aisolutionguide

Share on FacebookShare on LinkedIn