北醫附醫資訊室主任康嵐媖表示,北醫附醫利用深度階層性類神經網路,開發一套顏面麻痺辨識AI模型,準確率已達94%,更建立了全球首個顏面麻痺標註資料庫。

圖片來源: 

攝影/王若樸

臺北醫學大學附設醫院揭露醫療AI和區塊鏈新進展,不只布局醫療影像辨識應用,比如肝臟病灶辨識、顏面麻痺自動分析,還包括建立慢性疼痛患者的AI照護平臺、持續發展AI加護病房照護系統TED-ICU。此外,在區塊鏈應用上,北醫附醫近來還規畫採用壽險公會的區塊鏈平臺,要與壽險業者整合,來加速醫療醫療保險理賠申請過程。

打造全球首個已標註的顏面麻痺資料庫

在影像AI部分,北醫附醫資訊室主任康嵐媖表示,顏面麻痺自動偵測是北醫附醫發展較成熟的醫療影像AI專案,北醫附醫利用深度階層性類神經網路(Deep HNN)來自動標註影像、分析動作,可即時從錄影畫面中自動辨識異常顏面動作,準確度達94%,成果也發表於CVRP和IEEE等國際著名電腦視覺期刊上。康嵐媖提到,北醫附醫為這項專案所整理的資料,還成為「全球首個經標註的顏面麻痺影像資料庫。」

未來,北醫附醫也計畫開發臨床專用的多重顏面自動標註系統,要來辨識不同臉部表情和動作,比如疼痛、憂鬱、睡眠障礙等(目前準確率為62%、66%、56%),除了用於臨床,還要用於居家評估。

而其他醫療影像AI應用,還包括了心電圖預測、肝臟病灶偵測,以及建置中的肺結節影像資料庫。其中,在肝臟病灶偵測方面,北醫附醫採用美國國衛院的資料集(含3萬2千多張軸切面的CT影像和同數量的病灶),鎖定8種病灶,並發展出初期演算法。不過,由於該專案仍為初期階段,準確率只有30%。北醫附醫也自行收集資料、標註了1千多個病灶,要用來提高模型準確率。

結合穿戴式裝置打造慢性疼痛照護AI平臺

除了影像應用,北醫附醫也正開發一套慢性疼痛照護AI平臺,要整合各種數據來進行遠端照護。北醫附醫的構想,是藉一套雲端平臺和App,結合天氣、地理資訊,以及患者的穿戴式裝置數據,來偵測慢性病患者的生活習慣和行為模式(包括用藥、運動等),找出與疼痛相關的因子,再藉聊天機器人來給予建議。

目前,這套平臺已能連結4款臨床和穿戴裝置的數據,系統也能將病患自行輸入的症狀整合進病歷,並提供治療建議。康嵐媖指出,未來,北醫附醫希望進一步開發慢性肩頸痛的AI照護平臺,結合頸部和背部脊椎X光影像判讀、姿勢判讀,以及穿戴式裝置收集的睡眠和居家生活數據,來給予治療建議,並利用監督式和非監督式機器學習來判斷預後狀況。

另一方面,TED-ICU是北醫附醫2年前針對重症加護病房管理而開發的系統,目標是透過一個儀表板來即時整合所有臨床資訊,比如病患的生命徵象、檢驗影像,來初步預測病患病情嚴重程度,並即時通知醫生。

為進一步加強預測精細度,去年底,北醫附醫與臺灣人工智慧實驗室利用加護病房的歷史資料和臨床醫生經驗,找出影響敗血症的106種關鍵特徵,共同打造出AI敗血症預測系統,可預測病患4小時後發生敗血症的風險,並導入至TED-ICU。

康嵐媖指出,AI系統建置後,還需一連串的IT調校與臨床醫師反饋,而北醫附醫因此建立了反饋的臨床資料集,也將敗血症預測準確率從原本的85%提高至89%,更自行開發了一套AI病情學習平臺,讓臨床醫生利用系統收集到的病患生命徵象資訊,來挑選演算法和參數,來研究特定疾病的病情預測。

導入區塊鏈將病歷擁有權還給民眾,要加速保險理賠和轉診流程

此外,在區塊鏈應用上,北醫附醫先是於去年啟動健康醫療區塊鏈平臺,利用區塊鏈的儲存和加密特性,打造出電子病歷管理系統「智鏈護照。」這個月更結合新版醫院App iTPass,正式開放給所有北醫附醫患者申請使用,讓民眾能掌握完整的病歷資料,包括各種掛號資料、檢驗影像,民眾也能決定是否要將病歷分享給其他醫療院所或相關單位。

這一點,也能加速轉診和申請醫療保險的過程。為此,北醫附醫除了與數金科技(DTCO)發表健康醫療區塊鏈作業系統(phrOS),近來還計畫採用壽險公會的區塊鏈平臺,首波要與第一金控和中國人壽等壽險業者整合,來加速醫療醫療保險理賠申請過程。而上周末,更聯手工研院舉辦了保險金融與AI智慧健康區塊鏈黑客松大賽,要找出保險理賠新模式。文◎王若樸


Advertisement

更多 iThome相關內容