中國附醫人工智慧醫學診斷中心主任暨長佳智能執行長黃宗祺表示,目前醫療AI的困境,是因為信心收費問題。他建議政府應將AI納入健保給付點數。(攝影/洪政偉)

「乳房超音波AI輔助分類系統,能在初期就偵測出惡性腫瘤,甚至早個3、5年就發現了。」中國醫藥大學附設醫院(以下簡稱中國附醫)人工智慧醫學診斷中心主任黃宗祺指出,乳房超音波攝影是檢查乳癌的關鍵,雖然超音波不具輻射,也不需要進行侵入式手術,但卻有個缺點,也就是影像雜訊高、肉眼難以判定初期病徵,因此要不斷追蹤,才能確診。但這個過程,卻可能讓病患錯過及早治療的時機。

為改善這個問題,中國附醫在取得病患同意後,收集了多位乳癌病患跨年份、不同階段的超音波影像,利用預處理後的4萬多筆乳癌超音波影像資料以及一種特殊的深度學習方法Xception架構,來開發這套乳房超音波AI輔助分類系統。

由於這些影像是在不同階段拍攝,能反映出腫瘤生長狀況,黃宗祺表示,AI模型靠著擷取影像細微特徵,能夠在肉眼難以判斷的初期階段,就偵測出腫瘤,並辨識腫瘤良、惡性程度。目前,這套AI系統的腫瘤辨識率已達9成以上。不過,黃宗祺提到,腫瘤良、惡性辨識率仍約7成左右,還需要不斷訓練,來提高準確率。

AI骨齡X光診斷,1秒就知道

除了乳癌超音波AI,中國附醫還有一個醫療影像AI嘗試,也就是家長和孩童最關心的骨齡診斷。黃宗祺解釋,骨齡X光片是用來判斷孩童發育的關鍵方法,如果骨頭年齡與生理年齡不一致,代表孩童成長過程中出了問題,比如性早熟或生長激素不足。

「人工判讀骨齡X光片要花上好幾分鐘,」黃宗祺指出,傳統骨齡判讀方法是,醫生得翻閱一本全球通用的骨齡圖譜,對照患者的手骨X光片,看符合圖譜中哪一張手骨,圖譜上那一張手骨X光所代表的年齡就是患者的骨齡。不過,這個比對過程,就算由20年以上經驗的資深醫生來判斷,至少要花上6至8分鐘。

而在去年,中國附醫就開發一套AI骨齡輔助判讀系統,不僅不到1秒就能判斷骨齡,還可以預測身高。這套系統採用卷積神經網路(Convolutional Neural Network,CNN)中的DenseNet-121架構,由擁有20年臨床經驗的中國醫藥大學副校長暨兒童遺傳科主治醫師蔡輔仁親自出馬,一一標註了上萬張X光片影像,再由中國附醫的子公司長佳智能負責訓練AI模型。

中國附醫已將這套系統應用到小兒科臨床門診上。醫生只要在病歷系統網頁點選「AI」按鈕,就能檢視AI判讀骨齡X光的結果。如果醫生認為AI的判讀結果有誤,也能手動修正、回傳資料來改善AI模型的準確率。蔡輔仁表示,目前準確率已達95%以上,骨齡判斷誤差值僅3個月,比全球骨齡AI競賽冠軍的預測能力,還要精準。未來,這套系統不僅能用於小兒科,還能在中醫派上用場。

中國附醫與長佳智能開發的骨齡AI診斷系統已於臨床試用,醫生只要於病歷網頁點選「AI」,就能檢視AI系統產生的骨齡報告。目前,該系統準確率已達95%以上。

中國附醫展開AI Smart Hospital計畫,還從硬體和組織下手

從3年前,中國附醫就開始投入醫療影像AI的研究,骨齡AI輔助診斷系統是其中最早也最成熟的應用。黃宗祺指出,它的出現,象徵著中國附醫擁有的資料和團隊,已經有能力垂直整合打造出AI系統,未來將推出更多AI應用。

今年初,中國附醫AI門診正式上路了,首波應用於兒科、乳房外科、胸腔科、心臟科、腎臟科、眼科、精準醫學和健檢中心等8個科別,已經運用到多項醫療影像AI技術,包括骨齡判讀、心電圖波形判讀、胸腔X光異常判讀、腎衰竭預測、乳房超音波判讀和糖尿病視網膜病變判讀等。這些AI應用,皆由教學醫院等級的專科醫生來標註數萬例影像,經臨床診斷的回饋和模型調校,準確率已達85%以上。

為發展醫療影像AI,中國附醫還從硬體設備、內部組織與人才下手。為有效率訓練深度學習模型,2年前,中國附醫購買了Nvidia超級電腦系統DGX-1,來訓練骨齡診斷、乳房超音波、肝癌偵測等AI模型。

以骨齡AI模型來說,黃宗祺解釋,比起傳統CPU,DGX-1的訓練時間從35小時縮短至42分鐘。而去年更導入第二代超級電腦系統DGX-2,同規模的模型訓練,不到11分鐘就能完成了。

「每個模型的訓練,都是一次試錯,」他指出,光是骨齡AI模型,就歷經了上百次試錯才完成。也因此,模型訓練時間越短,就越能有效率地開發AI模型,這也是中國附醫看重硬體投資的原因。

中國附醫利用4萬多筆乳癌超音波影像資料和Xception架構,開發出乳房超音波AI輔助分類系統,腫瘤偵測準確率已達9成以上,最多還能提早3、5年診斷出初期病徵。 (攝影/李宗翰)

每個醫生都是產品經理,才能開發出符合需求的醫療AI

但是,「光有硬體還不夠,」黃宗祺點出,組織調整和人才也是打造醫療影像AI的核心。中國附醫先是成立人工智慧醫學診斷中心,來研究能應用於臨床的AI模型,並建立醫療影像和結構化病患臨床資訊資料庫。他提到,醫生常常定期與中心的醫療工程師開會,來研究、討論開發不同AI應用的可能性。

不過,人才是醫院打造醫療影像AI的最大挑戰。打造AI系統需要AI架構師、生醫資訊工程師、資料科學家,甚至是醫材法規專家。但是,這樣的人力編制儼然與醫院編制不同,所需預算也不盡相同。在醫療體系中,醫護人員與病人才是主角,相較之下,技術人員和資訊人員屬於輔助角色,薪資待遇自然不比第一線醫生。在黃宗祺眼裡,這個原因使得AI人才不願踏入醫界。

也因此,中國附醫去年成立了科技醫療公司長佳智能,由黃宗祺擔任執行長,以與醫院不同的編制和薪資待遇,集結了30多名AI相關人才,來開發AI產品。他也強調:「醫療AI的關鍵是專科醫生多年的經驗,」因此,長佳智能由專科醫生來擔任產品經理,由醫生主導專案、提出需求,再由技術團隊打造出相應的AI產品。

儘管中國附醫積極發展醫療AI,黃宗祺認為,臺灣整體醫療AI的發展熱度,還遠不如國外。他指出,目前醫療AI的困境,是因為信心收費問題。如果政府認可,便有利可圖,資本市場也會挾其資源進入臺灣。

他建議,政府應將AI納入健保給付點數,比如同樣是判讀X光片,醫生判讀一次的健保點數現為70至80點,若政府同意改用AI輔助判讀,可因縮短人力作業負擔,而大幅減少給付點數,不需要到原本的70、80點,一來可降低健保負擔,另一方面也能凸顯政府的認可。這麼一來,「全世界的資金、人才、創意,都會集中在臺灣,形成一個發展醫療AI正向循環的聚落,」黃宗祺如此說道。


Advertisement

更多 iThome相關內容