Session14:疫情最艱困時代 智慧醫療黃金時代

2020/07/25
Session14:疫情最艱困時代 智慧醫療黃金時代
7月24日,2020年亞洲生技大會(2020 BIO Asia-Taiwan)Session 14論壇,針對現下最蓬勃發展的AI與智慧醫療,邀請國內外專家分享其挑戰與未來發展,專家包含,台北醫學大學醫

Session14:疫情最艱困時代 智慧醫療黃金時代(攝影/李林璦)

7月24日,2020年亞洲生技大會(2020 BIO Asia-Taiwan)Session 14論壇,針對現下最蓬勃發展的AI與智慧醫療,邀請國內外專家分享其挑戰與未來發展,專家包含,台北醫學大學醫學資訊研究所特聘教授李友專、哈佛醫學院生物醫學資訊學系主任Isaac Kohane、美國麻省理工學院(MIT)首席研究科學家Leo Anthony Celi、臺北醫學大學附設醫院院長陳瑞杰與醫守科技執行長龍安靖。

台北醫學大學醫學資訊研究所特聘教授李友專(攝影/李林璦)

台北醫學大學醫學資訊研究所特聘教授李友專(攝影/李林璦)

台北醫學大學醫學資訊研究所特聘教授李友專致詞時指出,新冠肺炎疫情肆虐,可謂是人類最艱難的時刻,但對生物技術、智慧感測器、數位醫療等是最好的時刻,沒有這些我們便無法度過新冠疫情期間與未來的十年,未來十年的後疫情時代,將走向一個超乎我們以往想像的新時代。

他也強調,臺灣不是太大 也不是太小,跟歐洲許多國家相比,我們可稱上是中型國家,人口不少外,在科技與醫療體系兩領域上均站全球前幾位,在這堪稱生物技術最好時機下,我們應多投資創新、鼓勵創新,迎接後疫情時代。

哈佛醫學院生物醫學資訊學系主任Isaac Kohane(攝影/李林璦)

哈佛醫學院生物醫學資訊學系主任Isaac Kohane(攝影/李林璦)

哈佛醫學院生物醫學資訊學系主任Isaac Kohane指出,在AI、大數據在醫學中的應用蓬勃發展下,在發展生物資訊系統時應該要多思考以下這些問題,這些數據夠具代表性嗎?訓練數據的方式正確嗎?數據中有多少是生理數值,有沒有考量到醫療人員的行為作出對應解釋?才能提高準確性和確保患者的安全性。

首先,他舉例,若要訓練一個乳癌影像診斷AI,而用來訓練AI的數據是從社區衛生所或是從醫學中心取得,所訓練出來的演算法便有很大的差異,在特異性和敏感性上也會有所不同。又例如,在以黃種人的資料庫做AI皮膚癌的影像篩檢AI,在不同膚色的人身上如何具有代表性呢?

除了背後資料庫的收集與選擇很重要之外,還有一大重點是數據來源與醫療行為的配對,Kohane表示,他曾被來自矽谷的醫療數據新創詢問過一個問題,從臨床資料中訓練出來的AI模型中顯示,白人、50-60歲、男性,凌晨三點驗出白血球數量低的話,在未來幾年的死亡機率是53%,而同條件下,若是在下午四點驗出白血球數量過低,該群人在未來幾年的死亡機率是3%,這樣巨大的差異從何而來?

Kohane指出,在醫院中,若是凌晨三點做了抽血檢查,很有可能代表該病患的病情惡化,醫師才會做出抽血指令,而下午四點的抽血檢查,則可能是例行性的門診檢查,因此,這些生理數值並不完全代表真實情況,還需考量到醫療行為上處置,才能提高AI演算法的準確性。

美國麻省理工學院首席研究科學家Leo Anthony Celi(攝影/李林璦)

美國麻省理工學院首席研究科學家Leo Anthony Celi(攝影/李林璦)

美國麻省理工學院首席研究科學家Leo Anthony Celi則為大家介紹了美國麻省理工學院先前在全球40個國家舉辦了五大領域36次的數據松(Datathon),在短時間內匯集全世界的工程師、醫師、創業家以現有的數據資料庫來進行腦力激盪,提供流行病學的政策參考。

他也介紹了哈佛醫學院主要教學醫院貝斯以色列女執事醫療中心(Beth Israel Deaconess Medical Center, BIDMC)的MIMIC III加護病房資料庫,MIMIC是該醫院蒐集了十多年、項目相當詳細的資料庫,甚至連病人每分每秒的心電圖資料都記錄了下來,堪稱是全世界最大的加護病房資料庫,可作為開發臨床機器學習預算模型的有力資料庫。

臺北醫學大學附設醫院院長陳瑞杰(攝影/李林璦)

臺北醫學大學附設醫院院長陳瑞杰(攝影/李林璦)

臺北醫學大學附設醫院院長陳瑞杰表示,在COVID-19疫情下,遠距醫療已經從「nice to have」轉變為「must to have」,且全球醫療體系的數位化都因此加速。在疫情驅使下,像是醫療系統越來越去中心化、遠距醫療與遠距照護等虛擬的模式出現,以及整體醫療生態圈要能增進病人的自主、病人賦能(patient empowerment)等,都是數位醫療的趨勢。

陳瑞杰表示也分享,北醫除了相當早就成立了遠距健康照護中心、對遠距醫療和照護佈局外,目前在重症照護和急診方面,也都有「遠距」的設計。

「北醫過去的數位重症照護,在今年更升級為遠距重症照護平台,」陳瑞杰表示,透過自動監測工具,能減輕醫療人員在重症照護的負擔,大幅提升其照護能力;而遠距急診則是將受惠於5G科技,透過高速的即時影像傳送,或是AR技術,都能幫助救護車上的人員的緊急急救行為更有效率。

醫守科技執行長龍安靖(攝影/李林璦)

醫守科技執行長龍安靖(攝影/李林璦)

醫守科技執行長龍安靖介紹了醫守如何透過開發人工智慧(AI)用藥警示系統「MedGuard(藥御守)」,來解決用藥錯誤的問題。

龍安靖表示,由於許多適應症不同的藥物名稱太過相似,即便是用數位化的方式開處方,全球每年醫院開錯藥的次數仍可多達3百萬次,不但可能造成致命的醫療事故,更因此導致龐大且不必要的醫療資源浪費。

因此,他們將健保資料庫中6萬筆常用診斷、2千筆常用藥品、10個年齡組別以及性別的資料,組合出24億種組合,利用人工智慧進行關聯性訓練,來打造警示軟體。這項技術能克服過去醫院傳統的開藥警示系統僅「法則式」運作的缺點,更聰明地警示,甚至提供醫生更好的處方建議。