臺大醫院發展AI醫療 智慧醫療中心責任重大
智慧醫療中心鎖定影像辨識、自然語言處理、結構化資料等領域，為不同單位醫事人員提供AI模型建置服務，目前已經有相當豐碩的成果。
採訪／施鑫澤‧文／林裕洋‧刊期／2023.03
在半導體晶片製程進步助力下，AI 應用範圍日益廣泛，其中又在醫療領域應用最為廣泛，以便能夠為病患提供最佳照護服務。以臺大醫院為例，即運用自然語言處理與電腦視覺等人工智慧技術，在生理訊號自動監測、醫療決策輔助及醫療風險預測等已有卓越的研究成果。如臺大醫院／永齡健康基金會／睿傳數據攜手開發應用於電腦斷層之疾病偵測的人工智慧輔助系統，首期開發的肺結節自動偵測系統，在放射科醫師通力合作下，便完成標註近 5,000 組肺結節，系統更整合出 10 種 AI 模型。
[ 推薦閱讀：ChatGPT 打開全新企業服務篇章 ]
此外，臺灣大學／臺大醫院團隊藉由心胸部電腦斷層影像，透過自行開發的神經網路架構，以聯邦式學習模式，共同開發心臟主動脈鈣化／脂肪全自動分析 AI 模型，此模型可自動分類及計算胸腔鈣化／脂肪定量，心臟分割準確度達 94.2%，分析一個病例只需要 0.4 秒。
再者，由臺灣大學／臺大醫院團隊發展出的快速乳房超音波電腦輔助偵測／診斷系統，採用一次性及單階段的設計，可在 1 秒內快速完成超音波影像閱片程序，並精確定位出腫瘤可疑位置。系統具有高檢測率、低偽陽性並具備強韌度特性。在 95% 偵測準確度下，每個 pass（300張）的偽陽性率僅有 2 個病灶，大幅減少檢測時間，而良惡性診斷準確度更高達 89.2%。
落實智慧醫療願景 成立智慧醫療中心
為加速發展智慧醫療的願景，2020 年臺大醫院成立智慧醫療中心，搭配三臺新一代 AI 超級電腦系統 ─ NVIDIA DGX A100，藉由系統強大的運算能力，處理巨量複雜的臨床文字及影像資料，整合了資料、人才、算力及轉譯等智慧醫療四大資源，以加速臺大醫院在智慧醫療方面的發展。
臺大醫院醫療資訊長暨智慧醫療中心副主任郭律成表示，智慧醫療中心主要任務有六大項，分別是：
- 從醫病出發，提供智慧醫療研究與服務。
- 執行智慧醫療規劃案審議委員會審核通過的智慧醫療研究案，由資訊工程師協助機器學習建模。
- 提供智慧醫療研究案資訊和外部團隊媒合。
- 建立台灣大學智慧醫療學分學程實驗平台。
- 舉辦智慧醫療推廣活動。
- 管理暨維護本院高效能運算電腦。
期盼透過與不同科別的臨床醫師合作，提供執行智慧醫療專案過程中所需的資源與技術協助，讓臺大醫院逐步完成智慧醫療的藍圖。
扮演臨床、IT橋樑 確保專案順利運作
對於智慧醫療中心方面的發展，郭律成指出，考量到發展醫療人工智慧系統需要龐大的電腦儲存與算力，尤其是在醫學影像辨識、組織病理切片辨識、基因體分析、連續性生理訊號分析等專中，若沒有足夠運算效能，恐怕將拉長專案分析時間與成果。為此，臺大醫院自行購置了兩台 NVIDIA DGX A100 超級電腦，結合廣達電腦捐贈一套相同規格的產品，整體運算能力幾乎一次到位。據資料顯示，單台設備運算能量可以提升到 10 petaFLOPS（1petaFLOPS = 每秒一千兆次的浮點運算），預計將可提升處理醫療影像的 AI 訓練運算約 2 倍的效能，提升在應用自然語言處理 AI 訓練運算約 5 倍的效能，搭配基因運算軟體可提升 2.25 倍的基因高速運算效能。
[ 2023年企業IT投資重點為何？資安、人才、ESG如何部署？下載 CIO大調查報告 立即揭曉！]
在編制上，郭律成透露，目前中心編制為一位主任、兩位副主任，以及六位 AI 工程師，主要在影像辨識、自然語言處理、結構化資料等領域，提供 AI 模型建置服務，目前已有相當豐碩的成果。如近期胃腸肝膽科的研究主題「內視鏡、組織學、表觀基因體學運用人工智慧進行胃癌風險預測: 社區型世代研究」，主要針對使用胃鏡檢查之影像，以及胃黏膜組織學確診資料，運用人工智慧技術分析這些影像，以期瞭解胃相、預測組織學上的變化。希望透過此專案，將民眾未來胃癌的風險能量化，以協助臨床醫師判斷哪些病患需要胃鏡的定期追蹤檢查。透過專案建立起的風險預測模型，不僅能在大型醫院中運用，更期待能在專業人員不足的偏鄉場域進行驗證及落地使用，以促進整體醫療水平的進步。
郭律成說，在中心與另一位副主任李建璋都是臨床醫師，所以在智慧醫療中心主要扮演溝通、橋樑的工作，因為 AI 工程師不了解臨床醫學，不容易清楚臨床醫護人員提出的需求與想法。相同，臨床醫護人員也不了解 AI 工程師的語言，有時若想法過於天馬行空時，在實務執行上會有很大障礙，影響專案達成的目標。因此需要有臨床背景、懂 IT 語言的人，扮演居中協調的角色。事實上，雖然從 2005 年便在坐在資訊單位，但是正式擔任擔任醫療資訊長（Chief Medical Information Officer，CMIO）角色，則是在 2014年，同樣也是扮演資訊部門在建置與維護 HIS 系統時，與臨床醫護人員協調溝通的作用。
臺大採取開放態度 AI題目多元發展
隨著電子病歷的普及，以及電腦軟硬體快速發展而強化大量數據的分析能力，2013 年在臺大醫院醫學研究部與資訊室之合作下，結合臨床醫學、生物統計、資訊工程的專業人才，將日常醫療使用的資料庫轉置成研究資料庫-臺大醫療體系醫療整合資料庫。
臺大醫院對發展智慧醫療採取開放的態度，只要臨床醫護人員提出申請，並且通過智慧醫療規劃案審議委員會審核之後，就可以向醫學研究部提出申請，從臺大醫療體系醫療整合資料庫調閱所需的資料。整個時間約從數個月到一年不等，關鍵在於每個 AI 研究案使用的欄位不同，若非原本資料庫原有的格式，就得仰賴資訊單位進行客製化。
「參與智慧醫療中心相關專案至今，最大感想之一，是制定 AI 題目難度越來越高，因為效益較大、容易落地的情境，在前期都已經完成研究，成效也已經逐步浮現。後續 AI 題目要獲得多數醫護人員認同、並落地，得花更多時間尋找與溝通。」郭律成解釋：「如有些專案是評估急診病人的生存率，或許數值可做為參考，但若系統評估病人的死亡率較高，急診醫師也不可能就不進行處置。若評估病患有極高生存率，也不代表醫護人員可以隨便執行。這就是前面提到 AI 題目制定，以及後續落地的難度。」
其次，臺大醫院在多項醫學領域預備一定的權威，所以絕大部分 AI 輔助醫療效益比不上醫生的經驗與技術能力。所以很多 AI 專案鎖定目標便是輔助年輕醫生，或者非本科醫生使用，如臺大眼科便與和宏碁智醫合作開發「眼科 AI 輔助診斷軟體」，精準度高達 95% 以上，協助非眼科醫師判讀糖尿病患者視網膜病變，主要是降低眼科醫生負擔，以及提早發現病患潛在病灶。
AI人才招募不易 透過實戰累積經驗
在 COVID-19 疫情衝擊下，加速全球產業運用 AI 技術的速度，在眾所週知的醫療保健系統外，零售、製造、交通和物流等，也都積極投資 AI 技術，以應對難以預估的消費市場。根據 Statista 的統計顯示，2020 年全球 AI 市場規模估計為 225.9 億美元，2021 年可望達到 348.7 億美元。在此狀況之下，造成全球企業瘋搶 AI 人才的趨勢，軟體公司、半導體產業等，紛紛祭出高薪搶奪 AI 人才，世界各國也透過產學合作模式，培育不同領域的產學人才。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
郭律成指出，受到醫院年度預算的限制，在薪資無法與其他產業競爭的狀況下，我們直到近期才將 6 位 AI 工程師的建制補齊，且都是剛畢業、沒有業界經驗的新鮮人。在欠缺實戰經驗的狀況下，透過與學校合作等方式，由專業老師帶領執行每個 AI 專案，並以實戰磨練方式培養工程師的技術能力，同時確保專案可以如期完成。特別是很多 AI 專案使用自然語言技術擷取病例中的資訊，必須要有經驗豐富的導師協助，才能讓專案達成預期效益。
以協助病歷資訊管理室執行的疾病分類智慧編碼為例，即是考量到最新國際病例編碼標準-ICD-10診斷代碼約 69,000 個、處置代碼約 90,000 個，目前都是仰賴疾病分類專業人員閱讀病歷資料進行分類。此專案是投入開發智慧編碼系統輔助編碼，運用 NLP 技術分析病歷內容，並導入專家知識，產生 ICD-10 疾病分類編碼建議，不僅增加編碼的速度，也可提升編碼正確性，進而輔助醫師撰寫病歷提升病歷品質。
次世代數位醫療平臺 成敗仰賴時間證明
過去幾年，因應醫療創新科技湧現，台灣醫療院所紛紛啟動新一代 HIS 計畫，便能為病患提供更好醫療照護服務。鑑於臺灣醫院的醫療系統迥異，造成資料交換與維運上的困擾，若要整合 AI 應用、醫療儀器等，往往要花費更多時間處理。為此，衛福部近期透過推動次世代數位醫療平臺，藉由資通訊業者與醫院之間的合作，希冀共同打造 4-5 套 HIS 系統，發展出一套可快速擴張的商業模式，能快速被其他醫院使用。在衛福部規劃中，將爭取在 2023~2027 年執行，並透過成立專案辦公室方式，推動前置作業與扮演跨單位整合的工作。
郭律成指出，此消息一出來時，醫院內部也曾確實討論過，期盼新系統可以整合更多 AI 應用。然而要打造能滿足台灣醫療產業所需的 HIS 系統，醫院覺得難度非常高，畢竟各家醫院的內部流程都不同，很難達成一體適用的目的。以過去幾年臺大醫院開設多個分院為例，光是導入總院的 HIS 系統時，就因為醫護人員不習慣，引起不小的抱怨聲浪，所以次世代數位醫療平臺能否成功，恐怕還得等待時間考驗。
在臺大醫院進智慧醫療中心規劃中，未來會持續協助各單位推動 AI 專案，讓臺大醫院完善智慧醫療藍圖。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
