人工智慧(AI)運用範圍非常廣泛,而在人類壽命逐漸攀升下,智慧醫療則是全球積極切入的領域。
而在眾多應用面向中,醫療影像判讀則是最常見的應用之一,以臺北榮民總醫院的腦轉移瘤AI輔助診斷系統為例,便可協助醫生判讀影片,閱片時間可從10分鐘縮短為30秒,且正確性高達96%。根據該醫院提供資料指出,是從從1993到2018年的25年期間所蒐集資料,超過1100個個案、4000多個病灶,以及結合其他醫院提供的腦瘤。
臺北榮民總醫院總放射線部部主任郭萬祐指出,若要將AI技術運用於影像判讀之中,需要仰賴大量影像資料協助,才能建立一套合適的AI模型。雖然台灣醫院條件及環境相當不錯,醫院本身擁有的影像資料不夠多,很難單獨開發一套高效能AI輔助診斷模型。在此機之下,必須仰賴政府單位協助,多家醫院的醫療影像整合,才能進行AI輔助診斷模型開發,如台灣健保資料等。
早期AI資料模型開發,通常採用集中式的學習框架,如台灣健保的資料即是屬於此。此種模式,具備性能較佳、模型收斂穩定,不僅統計學上也較容易執行,較易導入臨床應用環境。只是醫療單位要運用集中式模式,必須要有很強的行政力量介入,如台灣的健保體系等等,因此不容易在其他國家執行,也不容易透過跨國合作門。
而近來興起的聯邦式模式,則是讓醫療單位保有各自的影像資料,但是運用同一種AI模型進行協同合作。此種模式可滿足不同國家的隱私保護機制,是在國際醫療生態中為較可行的辦法,也是跨國合作發展智慧醫療的較佳方案。