成大生物醫學工程學系助理教授林哲偉

人工智慧結合醫療 為人類創造最大福祉

採訪/施鑫澤 文/林裕洋 刊期/2020.05

在人工智慧演算法進化下,帶動資料探勘技術的大幅進步,可望對醫療照護產業帶來極大幫助。其中,最明顯案例即是在短時間內,對COVID-19完成基因時序變化的解析。

成大生物醫學工程學系助理教授林哲偉指出,在人工智慧演算法進化、處理器運算能力進步下,各國政府分析COVID-19病毒株的速度非常快,已可知道病毒株是否有突變發生,以及不同時間點的疫情熱點。

新型冠狀病毒COVID-19至今已造成140萬人染病、超過8萬人死亡的嚴重災情,堪稱是2020年最嚴重的流行性疾病。為避免病毒進一步擴散,不少國家採取鎖國或封城政策,目前已造成世界經濟停滯、超過40億人日常生活受到影響的狀況。所以許多國際級藥廠都積極投入藥品、疫苗、快篩試劑等研發工作,期盼能夠儘早解決此嚴重災情,避免此病毒於日後再次席捲而來。

在許多科學家、藥廠投入研發解藥之際,也發現COVID-19變異速度非常快,成為研發快篩試劑的挑戰。以長庚大學、長庚醫院與中研院、國防部預防醫學研究所、牛津大學組成的合作團隊為例,日前便宣布成功分離出22種新冠肺炎的病毒株,並取得病毒全基因序列,期盼能夠以此為基礎加速開發快篩試劑及治療新法。

成大生物醫學工程學系助理教授林哲偉指出,在人工智慧演算法進化、處理器運算能力進步下,帶動資料探勘技術的大幅進步,對醫療照護產業帶來極大幫助。早期受限於人工智慧演算法、基因科學的限制,無法在短時間內對病毒進行快速分析。但是從本次各國政府分析COVID-19病毒株的狀況,已經可從時間序的相對關係,得知病毒株是否有突變發生,以及不同時間點的疫情熱點。若從時間序、感染COVID-19狀況等等,幾乎可以認定早期是從中國向外傳播,接著向日本、韓國等鄰近國家,近幾週則是轉移到歐洲、美國,再傳回亞洲地區。

舉例而言,早期COVID-19在中國爆發時,大概只有發燒、肺炎、呼吸道症狀,以及其它與感冒類似的症狀,但是此病毒在歐洲、美國等爆發後,部分患者開始出現味覺喪失等狀況。此種研究對臨床醫護人員會有很大幫助,有助於加速判斷病人是一般感冒或者COVID-19患者,也能給予最合適的治療,同時避免發生院內感染的事件發生。

人工智慧應用廣 資料探勘、預測、辨識

過去幾年,人工智慧已經成為支撐眾多智慧服務的核心,如智慧交通、智慧建築、智慧工廠、智慧醫療等等,也加快企業引進該技術的速度。根據Gartner公布的調查顯示,受訪企業中已部署使用 AI 技術專案者已達 59%,目前正在進行的人工智慧專案平均數量為 4 件,但預期未來 12 個月內將新增 6 件至 10 件。到 2022 年,這些企業預期手上平均會有 35 件進行中的人工智慧或機器學習專案。

Gartner 指出,使用人工智慧技術並非為了取代人類員工,而是用來幫忙員工做出更快、更好的決策,也提醒對 AI 技術抱持疑慮的企業,應瞭解建立穩固資料管理基礎非一蹴可幾,AI 技術須以資料的就緒程度為優先考量。

林哲偉表示,從目前人工智慧的應用層面來看,比較成熟的部分在資料探勘、預測、辨識等面向,也是大家較為熟知的應用。至於將人工智慧用於推理、情感及認知等,目前正在進行中,但效益難以評估。特別是在大量資料分析或資料探勘,並不是人類擅長部分,因此將AI技術應用於此情境中,有助於協助人類判斷。

以醫學應用部分,目前最常見的就是X光片、MRI的判讀。在病理醫學的探勘,要從電子顯微鏡中觀看病理切片,難度非常高,而透過人工智慧協助,便能夠解決人類視覺上的極限與壓力。以主要從事於病理玻片雲端數位化及醫療影像AI開發業務的雲象科技為例,只要醫療院所將檢體影像上傳到雲端平台,就可以透過自主研發的AI技術進行判讀,可大幅提升檢體判讀的精準度,目前合作夥伴包括美國洛杉磯Cedars-Sinai Medical Center, 匹茲堡University of Pittsburgh Medical Center, 及臺大醫院、長庚醫院、 國泰醫院等醫學中心。

延續醫師豐富經驗 投入心臟病檢測

鑑於人工智慧對於各產業帶來幫助極大,加上全球人類壽命持續攀升,對有限醫療資源帶來極大負擔,於是愈來愈多國家將AI技術應用於健康照護領域中,期盼能透過所謂預防醫學的概念,讓醫療資源發揮最大效益,同時讓民眾提早治療控制,享受健康生活。以台灣科技部為例,在2018年2月12日在成功大學成立科技部人工智慧生技醫療創新研究中心,轄下共有14件多年期AI研究計畫,涵蓋智慧醫療、智慧照護、智慧生技及人文倫理等四大領域,受到成功大學、以及鄰近其他重要大學、醫院及研究機構的大力支持。

不光如此,由科技部委託成大前瞻醫材中心與成成大附設醫院的SPARK計畫每年都會徵選兼具創意與AI的專案,如林哲偉與研究團隊的「基於脈音訊號與人工智慧演算法所開發之心臟疾病快速篩檢裝置」專案也獲得科技部優秀青年學者計畫補助。根據衛生福利部公布的統計資料顯示,心臟疾病名列台灣十大死因之一,然而傳統對於心臟病的檢查方式,多半是採用心電圖、心臟超音波、胸部X光、血液檢查等,儘管具有檢查結果精確的優點,但是檢查成本也相對較高。林哲偉與研究團隊認為,在此狀況下,若能開發一套低成本的檢查方式,讓社區醫院、偏鄉診所等地都能使用,快速篩檢出可能有心臟問題的病患,以便後續進行深入檢查,除了有助於減少心臟疾病外,也能讓寶貴醫療資源發揮最大效益。

「這個構想是來自於台南市立醫院院長蔡良敏(前成大附設醫院心臟內科主治醫師),因為他有非常豐富的看診經驗,甚至只要摸病患的脈搏,就能推測出可能患有哪些心臟疾病,很像是中醫師的切脈診病。」林哲偉解釋:「因為,在脈搏摸到的血液流是心臟打出來的血液流,倘若心臟有不正常跳動或架構異常(損傷),打出來的血液流動自然也有異於正常的血液流。」

人工智慧技術加持 順利辨別脈搏波

如同其他產業,要將領域專家如蔡良敏院長累積多年的問診經驗傳承下去,是一項非常大的挑戰。為此,成大醫工系穿戴科技與行動照護實驗室決定與成大附設醫院攜手合作,與蔡良敏、林宙晴、陳儒逸3名醫生兼教授,共同組成跨領域團隊「人工智慧橈動脈脈搏波解析」。第一步,林哲偉和團隊收集手腕脈搏所產生的脈搏波並且轉換成為數位訊號,以便後續的研發工作。為此,團隊超過10代以上感測器,以便捕捉脈搏,並轉換成可辨識的數位訊號。

由於不同心臟疾病的脈搏波在轉換成電訊號之後會呈現出不同的特徵,只是這些電訊號圖裡的「波形」,其形態、規律性等,皆具些許差異性,但在不同心臟疾病間又沒有明顯的特徵可供辨識,因此要如何提升疾病間的差異,並進一步分析團隊所蒐集的大量資料,便成為研究團隊的最大挑戰。在研究團隊經過長達18個月的討論研究後,最後決定運用影像辨識結合AI技術來辨別心臟疾病。將手腕脈搏波轉換出來的時頻圖作為判斷疾病的資料來源,而後利用AI在影像辨識上的優勢,得到疾病預測結果,再與心臟科臨床醫生透過心電圖、心臟超音波等標準所得出的診斷比較,準確率可達98%以上。

林哲偉指出,最令團隊開心的是,這是一項在研發上從無到有的過程,實際將醫生臨床經驗結合團隊自行開發的感測裝置以及演算法等工程技術,同時,團隊也得到與醫師診斷結果高度相關的辨識結果,是一個團隊的重大突破。目前團隊已設計出一款心臟疾病篩檢裝置(結合手腕橈動脈脈搏波及AI),在取得台灣專利之後,也正在申請美國專利當中、進行醫療器材安規的設計,期盼能夠加速進行臨床人體實驗,進一步驗證功效。

提高復健效果 虛擬實境加持

如同心臟疾病,腦血管疾病也是台灣十大死因之一,部分病患甚至會因為腦中風關係,以致於出現部分肢體癱瘓、偏癱(半癱)、全癱的狀況。根據研究報告指出,對於部分肢體癱瘓、偏癱患者,若能適時進行復健,將有助於儘早恢復日常生活。近10年最常見的中風復健方法,是已問世多年的鏡像治療(Mirror therapy),即請患者坐在鏡箱前面,並將患側手放置於鏡後,請患者看著健側上肢所反射的影像執行上肢活動,並想像患側上肢正在執行相同的動作。

鏡像治療是由鏡子反射出來的健側手影像,藉此刺激前運動皮質區(premotor cortex) 的活化,來代替減少中或消失的患側手本體覺輸入,進而達到促使患側肢體動作的回復。根據研究報告指出,將鏡像治療應用於輕、中、重度肢體失能的中風患者,在關節活動度、動作速度與精確性等方面,均有不小幫助,可促使患者提高日常生活使用患側手的機率。

林哲偉表示,傳統鏡像治療有不少缺點,首先是不夠真實,病人只要眼睛或頭一偏就可能會看到其他場景。其次,鏡像治療的空間不大,限制了肢體復健的動作。為此,團隊也啟動另個研究專案,與成大醫院復健部教授徐秀雲合作,在秀傳醫院、成大醫院、科技部的支持下,開發虛擬實境鏡像治療系統。即是讓患者帶著VR頭盔,系統會捕捉手部動作,進而呈現出患者的手部動作。根據現階段測試狀況,我們發現復健效果可以提升1.5倍。

在虛擬實境領域有相當研究成果的林哲偉與其研究團隊,目前也投入醫療器材模擬訓練的工作。因為多數醫療檢測器材價格非常昂貴,當實習生不熟悉相關操作時,很容易發生器材損壞的狀況,以致於影響到醫療品質。為此,該團隊已經與成大附設醫院病理部病毒組教授蔡慧頻合作,投入開發醫療檢測器材模擬訓練系統,期盼能夠兼顧人才培育、醫療資源發揮最大效益等多重目的。