林口長庚紀念醫院醫療人工智能核心實驗室主任郭昶甫

活用人工智慧技術 解決臨床醫療困境

採訪/施鑫澤、林裕洋 文/林裕洋 刊期/2019.4

長庚醫院投入人工智慧技術研發的目標,是希望將部分重複、大量人工處理的繁瑣事項,預先交由人工智慧系統處理,以便能夠提升醫療品質、看診效率等多重目標。

林口長庚紀念醫院醫療人工智能核心實驗室主任郭昶甫說,我們將人工智慧應用於臨床醫學的目標,主要目標是提升各科別醫療品質,即將部分重複、大量人工處理的繁瑣事項,預先交由人工智慧系統處理,以便能夠提升醫療品質、看診效率等多重目標。

受惠於演算法成熟、處理器運算效能攀升,加上各類物聯網裝置持續普及,帶動人工智慧技術在近幾年快速發展,至今已成為許多智慧應用服務的重要核心,更被視為是發展智慧醫療的重要助力。因應全球將人工智慧應用於醫療的趨勢,科技部自2017年10月開始推動「醫療影像專案計畫」,結合3大醫療團隊的專業醫療研究人員,以及多位AI專業研究人員組成跨領域團隊,投入開發可自動分析判讀醫療影像之AI演算法,以問題解決導向且能實際應用於醫療場域協助解決臨床問題為目標。

在科技部推動的AI計畫之外,長庚醫療財團法人林口長庚紀念醫院亦看準AI融入醫療的應用,在王董事長、程主委及行政中心支持下,2018年花費4500萬打造人工智能核心實驗室(Center for Artificial Intelligence in Medicine),期盼將AI技術應用在臨床醫學上,達成輔助醫師診斷、降低人力資源的耗損與提高醫病關係等多重目標。

林口長庚紀念醫院醫療人工智能核心實驗室主任郭昶甫說,我們將人工智慧應用於臨床醫學的目標,主要目標是提升各科別醫療品質,如內科要花很多時間在傾聽病人敘述病情,外科則要花時間向病人講解X光片等等。長庚醫院希望將部分重複、大量人工處理的繁瑣事項,預先交由人工智慧系統處理,以便能夠提升醫療品質、看診效率等多重目標。因應AI人才不足,我們選擇與其他研究單位合作,如長庚大學等等,結合長庚醫院在醫療領域累積的豐富臨床經驗,創造出符合醫療產業運用的模式,並且輸出給其他醫療院所使用。

成立於西元1978年12月1日的林口長庚紀念醫院,規劃時係以國際大型醫院標準設計,目前擁有醫學大樓、復健大樓、病理大樓、兒童大樓等四棟醫療大樓,並於2015年成立全國首座「質子暨放射治療中心」,目前總床數約3700床,服務團隊達9千人以上,包含主治醫師。該院除購置各種精密儀器外,並細分各專科,以從事更專業的醫療服務,此外更強調團隊醫療照顧,由醫師、護理人員、社會工作員、營養師、復健師等共同提供服務,以達到全人照護的理念,兼顧病人生理、心理、社會各層面的照顧。

身為台灣首區一指的教學醫院,長庚醫院向來不吝嗇投資大量研發資源,發展多種創新醫療服務,如在精準醫學(Precision Medicine)部分,即透過檢測病灶細胞的某個基因來選擇相對應的治療藥物,讓病患享有比傳統治療方法來的效果。此次成立人工智能核心實驗室的目標,初期是以X光影像判讀、腫瘤相關CT與MRI的影像分析、關節風濕等疾病分析、核子醫學、外傷急症外科等為主,但未來應用範圍擴大之後,將有助於精準醫療效果獲得再次提升。

郭昶甫指出,很多人會誤以為AI等於精準醫學,其實這種概念並不正確。精準醫學是一種科別,是預先透過病患檢測基因方式,找到最合適的治療方法,至於AI則是一種技術,適合支持基礎研究之用。例如若要紀錄一個人的全部基因分析數量,資料量將會達到130GB以上,且檢測過程需要多人與群體之間的比較,才能知道該受試者基因正常與否。因此,若精準醫學能夠融入AI技術,預先透過資料訓練找出合適模型之後,就能夠將大量資料檢測工作交由系統執行,達到提升精準醫學效果、品質等目的。

克服三大挑戰 AI實驗室掛牌

因應全球興起的智慧醫療趨勢,2017年長庚醫院即成立專案團隊,大力推動標準檔模式的制度,讓門診、急診、住診醫囑、醫囑、批價、申報系統等,都能連結同一標準檔進行比對,系統會依照所設定的條件即時出現提示或管制等檢核輔助訊息,以確保資料擷取來源的一致性。

為了要在最短時間內讓人工智能核心實驗室揭牌運作,長庚醫院在硬體設備建置、技術研發、人才招聘等領域,也面臨前所未有的三大挑戰。市面上有不少號稱支援人工智慧運作的硬體設備,只是清一色都是以NVIDIA GPU為核心,配合自家硬體設備而成的解決方案,真正效益如何尚且不得而知。此解決前述問題,郭昶甫考量到時間有限,所以決定添購市面上最成熟的深度學習平台- NVIDIA DGX-1,讓整個團隊享有簡化的工作流程和協作過程,加上 NVIDIA能提供完整的技術支援,可達到同時節省時間與成本的目的。

在專業人才招聘部分,不同於其他研究單位偏好有統計、人工智慧背景的做法,人工智能核心實驗室選擇從有醫療背景、具備溝通能力等兩大部分進行選擇。因為,長庚醫院成立人工智能核心實驗室目標,是要協助各科別解決面臨的困境,同仁能否深入了解醫生、護理師的困境,以及確認相關問題能否透過人工智慧技術解決,並且將技術名詞轉為醫療同仁能夠了解的語言,就顯得非常重要。目前該實驗室研究團隊有5位博士、6位碩士等,及相關相關研究人員等共14人左右,未來依照研究專案需求會不定時增加新成員。

「很多產業投入AI專案時,最擔心專業人才不夠問題,但這並非長庚醫院關注的重點,因為技術部分可以透過事後訓練持續補強。」郭昶甫指出:「長庚醫院本業是醫療,不僅擁有非常豐富的醫療資料,也深知醫療產業面臨的困境。所以團隊除投入AI技術學習之外,也會匯集與整理不同科別的問題,透過與外界研究單位合作,如長庚大學等等,將AI技術用於臨床醫療之中。」

醫療影像判讀效果佳 可提升臨床醫療品質

誠如前述,長庚醫院積極將投入將人工智慧應用於臨床醫療,即是希望提升護理人員的功效率,以及讓病患享有更佳的照護服務。以傳統睡眠中止檢測為例,醫院都會要求病患都要到睡眠分析中心,藉由多種醫學儀器透過長達8小時測量與資料收集,取得所需的檢測與分析資料。

只是在長達8小時睡眠檢測中收集得到的資料量非常大,除得耗費醫療人員大量時間外,很可能因為一時上的疏忽,而漏看其中1、2分鐘的資料,以致可能得再重新進行一次判讀。即便現今可透過運算能力強悍的平行運算設備協助,但要分析一個人的基因數據,至少也得花上4小時以上。此時若能夠藉由AI技術協助,透過已經建立模型系統進行資料集分類、分析等工作,即可在最短時間內找出異常資料,並且自動產生相關檢測報告,即可減少醫療人員查找異常指數時間。

身為長庚醫院風濕過敏免疫科科主任的郭昶甫解釋,以風濕過敏免疫科醫生要判斷病患是否有痛風為例,就必須要從多張影像中進行詳細判讀。但是受限於醫療影像科技上的限制,有時後難免會發生無法從醫療影像中,看到非常微小的特徵,此時若能夠引進AI技術協助,將可以大幅提升影像判讀的效率。

目前根據人工智能核心實驗室公佈資料顯示,在團隊同仁與醫療人員共同努力下,現在透過使用數千筆影像資料訓練出來的人工智慧模型,以將影像輔助診斷率提高至96%以上,未來在人機協同作業合作,可望再把準確率提升至98%。

AI輔助臨床醫療 台灣法規不夠完備

因應全球將AI技術融入臨床醫療的趨勢,美國食品藥品監督管理局(U.S. Food and Drug Administration,FDA)在2018年通過三項與AI相關的醫療診斷服務,分別是Viz.AI Contact application,這套軟體可協助醫師分析電腦斷層攝影的圖像,自動偵測可疑大血管阻塞的圖像,並迅速通知醫師該病患可能有的中風危險。

第二項則是人工智慧醫療器具– IDx-DR,可利用人工智慧演算法分析由視網膜攝影機(Topcon NW400) 所獲得的影像,快速篩檢糖尿病病人是否有必須由專業眼科醫師治療的視網膜病變。至於第三項則是透過電腦輔助骨科偵測軟體Imagen OsteoDetect,這套軟體分析兩張不同角度的X光片,協助偵測是否有手腕附近的遠端橈骨骨折。

從FDA核准項目得知,現今人工智慧應用臨床醫療趨勢主要以輔助醫學影像辨識為主,期盼藉此降低人為判別的疏失,以及減少可用在那些臨床科別的發展趨勢。而多數人關注的AI問診服務,至今尚且未被FDA認可,關鍵在於自然語言辨識技術尚且不成熟。

「雖然市面上有不少備受歡迎的自然語言辨識演算法,已經符合多數人日常生活使用,但因為醫療問診都是使用專業醫療術語,我們實際測試之後根本無法符合問診需求,目前團隊花不少時間在演算法開發上。」郭昶甫指出:「另外,相較於美國FDA的進度,目前台灣衛生福利部並沒有相關法令,未來台灣AI技術可否應用在醫療領域,屆時恐怕會有相關爭議出現。目前我們做法是先取得美國FDA的許可證明,藉此加速將AI應用在臨床醫療上的應用。」

隨著智慧醫療議題的蓬勃發展,長庚醫院鑑於許多科別專案均需要高效能運算平台協助。因此,長庚醫院在興建新的研究大樓時,也同步著手規劃打造高速運算中心,並且由人工智能核心實驗室負責規劃與管理,預期將在2019年底正式啟用,屆時可望加速人工智慧技術應用於臨床醫療的速度。