文 / 吳杰亮 臺中榮民總醫院重症醫學部部主任
潘錫光 臺中榮民總醫院品質管理中心科主任
賴來勳 臺中榮民總醫院資訊室室主任
王嘉慧 臺中榮民總醫院重症醫學部副技師
許惠恒 臺中榮民總醫院院長
隨著全球醫療資訊發展趨勢，各醫療院所累積豐富電子病歷及臨床紀錄為AI於醫療的應用建立紮實的基礎。臺中榮民總醫院(以下簡稱中榮)醫療資訊水準位居臺灣醫療界前驅地位，在推動智慧醫院過程醫療資訊持續不斷創新，善用人工智慧進行資訊整合是邁向下一個里程碑的執行重點。中榮在人工智慧醫療發展的推動與應用的理念與作為和大家分享。
人工智慧發展 走過寒冬見陽光
『人工智慧』的概念最早期起源自1950年代，意思是讓機器具備和人類一樣的思考邏輯與行為模式，『類神經網路』的觀點持續被發表，不過相關的專業技術都沒到位，因而進入第一次寒冬；發展到1980年代，以數據驅動的『機器學習』理論主導當代的人工智慧領域，但是礙於計算機的技術在那時尚未成熟，於是再次進入第二次寒冬。
隨著時代推移，2006年，超高速運算晶片的出世，於是以資料為基石的機器學習迅速發展；時間再到2012年，類神經網路理論的貢獻人之一的Geoffrey Hinton，透過『深度學習』方法與NVIDIA圖形處理器帶領團隊參加史丹佛大學的李飛飛教授等人發起的ImageNet電腦視覺大賽，贏得當年冠軍而且錯誤率比第二名足足少10%；接著2016年，Google DeepMind AlphaGo以五戰四勝之姿擊敗南韓圍棋職業棋士李世乭；此後人工智慧再次撐過寒冬席捲全球。1,2,3
人工智慧突破進展 醫療領域開始落地
人工智慧的領域範圍分布極廣，大致可用演算方法與場域應用細分，從方法學上有機器學習、專家系統、模糊理論等等；場域應用則有自然語言處理、電腦視覺、語音辨識、機器人等。各種應用需要的演算法不盡相同，從目前當道的機器學習來說，它的子領域分為三種：監督式學習(Supervised Learning)、非監督式學習(Unsupervised learning)、強化學習(Reinforced learning)。
深度學習是機器學習的分支方法，由機器學習的類神經網路不斷更新發展而來，至今網路架構已經相當多元，例如卷積神經網路、遞歸神經網路、長短期記憶神經網路以及生成對抗式神經網路等。目前深度學習也應用在許多領域，比如自動駕駛、臉部辨識、語音助理等方面，而在醫療領域上也有開始落地，像是眼底影像、病理影像、放射影像等。
不過，在深度學習為人工智慧帶來突破性進展的同時，它的黑盒子架構仍然是一個重要議題，現階段仍需同時具備醫學專業與人工智慧專業的跨領域人才來解釋黑盒子的計算結果，可解釋性的演算法模型是當前重要的研究課題。1,2,3
AI法規制度配套 需要導入實際應用
人工智慧醫療在醫療的應用包括診斷、治療、醫務管理、民眾健康管理等。對臨床人員，最主要的是快速精準的資料解析與輔助判讀，對醫療體系，將改善醫療作業工作流程效率與提升病人安全，對病人而言，更容易掌握自己的健康數據與健康促進。現況侷限是人工智慧應用可能的偏誤、資料隱私與安全保護的制度不全、透明的資訊待克服、及導入實際的應用環境不足，仍有諸多挑戰需要一一克服。
許惠恒院長特別指示，我們必須注意應用資料要正確、人工智慧的研究要接地氣導入實際的應用，快速發展需要符合法規與醫療倫理。需要落實有系統資料整理，和產業與學界共創共享驅動人工智慧發展，教育醫療人員善用AI科技，驅動AI法規制度調整配套。4,5,6
中榮策略規劃 一部一科一室一AI
中榮許惠恒院長帶領策略發展管理會訂定全院短期、中期、長期發展目標。將全院短期發展計畫【強化AI與大數據之醫療發展與應用】與【平衡計分卡醫品病安策略地圖】連結，設定AI核心技術深度學習為學習成長構面策略目標，並以【一部一科一室一AI專案】推動AI精進醫療照護模式。
三箭齊發 中榮AI落地研究與應用
研究方面：大部分停留在研究，也有一些成果，例如護理診斷推薦系統、肺炎診療預測，睡眠檢查資料分系應用等。結合多家醫學中心資料完成臺中榮總應用臺灣八家醫學中心於2016年流感重症所建立之多面項資料集，以重症醫學專業為基礎建立一可解釋之機器學習模型。主要XGBoost建立預測模組與定量模型內之特徵重要性，再由臨床醫師觀點解讀分類特徵並進一步以SHAP及LIME兩項視覺化工具呈現各特徵之影響，上述研究結果發表於2020年BMJ Open，我們相信這樣可解釋的人工智慧模型可降低所謂黑盒子效應讓臨床工作者更能接受人工智慧之應用。
產業合作應用：新陳代謝科與宏碁公司於2019年6月合作導入用人工智慧眼底鏡自動判讀軟體(VeriSee)協助醫師判讀糖尿病病人眼底鏡檢查結果。VeriSee的判讀結果跟眼科醫師比較有良好的準確度(Accuracy 90%)。導入之後，每月協助非眼科專科醫師判讀1,400~1,600份眼底鏡，有效減少非眼科專科醫師的工作量。其他在對話機器人和搬運機器人也有具體成果。
醫療作業應用：回溯10年病人資料分析4萬個病人共10萬次住院資料，發展傳統病房病情惡化警示分數與人工智慧預測判斷模式，在2018年10月建置到系統，2019年4月全面推廣應用，2019年9月結合醫師和護理交班系統與簡訊自動通知主治醫師高度風險個案，有效降低在病房發生的急救措施。這類的實際應用是我們企盼的模式。
透過產學合作 共創共享標竿典範
臺中榮總在人工智慧醫療應用發展，充分了解應用的實況、困境與挑戰，掌握國家發展的戰略與國際的脈動，和產業與學界合作，補強關鍵技術與設備、完善發展環境，設置大數據暨創新應用管理會，結合醫院策略規劃，透過“一部一科一室一AI”的計畫，全院普及AI文化與播種。成立專責AI工作室團隊，深化主題研究。達到建構以中榮為核心人工智慧醫療生態系的願景，透過產學合作，共創共享，讓臺中榮總成為人工智慧醫療應用的標竿典範，醫護、病人、健康系統同享人工智慧醫療應用之紅利。
感謝
1.東海大學 AI中心
2.台灣人工智慧學校
3.趙文震醫師、李宇璇醫師提供案例摘要
參考資料
1.NATIONAL ACADEMY OF MEDICINE. 2019. Artificial Intelligence in Health Care： The Hope, the Hype, the Promise, the Peril.
2.David E. Rumelhart, Geoffrey E. Hinton & Ronald J. Williams 1986. Learning representations by back-propagating errors.
3.LONGBING CAO. 2017. Data Science： Challenges and Directions.
4.Eric J. Topol, High-performance medicine： the convergence of human and artificial intelligence. Nature Medicine, 2019：44-56
5.Jianxing He et al. The practical implementation of artificial intelligence technologies in medicine Nature Medicine, 2019：30-36
6.Mehul C. Mehta et al, Transforming Global Health with AI. N Engl J Med 2020, 791-793.
人工智慧發展歷程
1950 「類神經網路」觀點發表
1980 「機器學習」理論崛起
2006 超高速運算晶片出世
2012 「深度學習」嶄露頭角
2016 AlphaGo 奠定里程碑
醫院發展策略與部科推動發展機制(持續培訓AI人才)
中榮AI落地研究與應用
研究方面-建立可解釋的人工智慧模型，讓臨床工作者接受應用
產業合作應用-眼底鏡判讀、對話機器人、搬運機器人
醫療作業應用-傳統病房病情惡化警示、降低病房急救措施
|
