MedTech醫療科技雙周報第24期：美前段班醫院AdventHealth揭醫療AI心得：做好MLOps

重點新聞（0716～0731）

AdventHealth   AI   MLOps 

美前段班醫院AdventHealth成立AI諮詢委員會，重要心得是做好MLOps

AdventHealth是美國第15大的體系醫院，旗下有52家醫院、橫跨9州。他們今年成立AI諮詢委員會，要根據安全、倫理、可擴展性和病患福祉等原則來審查AI工具能否落地，委員會成員有醫師、IT、資料科學家和廠商代表，如微軟、Premier和Vizient等。

根據HIMSS旗下媒體Healthcare IT報導，AdventHealth的AI諮詢委員會負責人Rob Purinton指出，委員會審查AI工具的方法採漏斗式思考，先從一個問題陳述開始，再納入AI和非AI解法，最後縮小到1項他們最想採用的工具。其中，他們會考慮原則性問題，比如該工具是否符合醫院願景、在現有技術框架內是否可行，又或是否夠安全、透明、可擴展且可持續評估，且對臨床醫師預期的工作流程，有哪些好處等。

他也表示，隨著美國對醫療AI工具的標準和規格要求越來越詳細，委員會預期，未來對AI工具和廠商的審查流程將更簡單。不過，提到建立內部AI工具最重要的一課，Rob Purinton直言機器學習開發維運（MLOps）很重要，因為做好MLOps，就可避免資料品質出問題和模型漂移等問題，進而確保AI模型日常運作的正常。為做好MLOps，AdventHealth資料工程師和資料科學家正與微軟、Snowflake等廠商合作，來學習、改進內部AI措施。（詳全文）

 麻省總醫院   數位轉型   資料互通

美頂尖醫學中心如何推動數位轉型？麻省總醫院內科主任揭第一手經驗

美國頂尖醫學體系麻省總醫院暨布萊根婦女醫院（Mass General Brigham，簡稱MGB）內科主任David W. Bates日前來臺分享數位轉型經驗和進展。一直以來，MGB自建系統來支援日常工作，但隨著數位醫療興起，他們計畫推動數位轉型，首先盤點院內系統、發現系統老舊且資料互通性不足。於是，他們展開評估，若要自建系統、轉換成本太高，於是決定採用現成商用系統，在2016年導入美國市佔率最高的Epic系統至旗下所有醫院和診所。

這麼做雖解決資料互通性問題，但David W. Bates坦言，MGB也有些問題要克服，比如系統難以精煉、臨床決策輔助功能不如舊系統好，需額外採購系統來補強等。不過，商用系統也為MGB日後AI發展打下基礎，能收集大量、標準化的臨床資料，讓團隊建置許多資料庫來供醫護和研究人員即時存取。此外，MGB也利用醫學影像數位化的基礎，打造許多醫學影像AI，不過，David W. Bates也點出目前MGB面臨的挑戰，像是即時AI預測所需的資料串聯、如何運用工具來確保AI產出的洞察，能給正確的醫護人員審閱。

David W. Bates總結，醫院推動數位轉型時，必須投資基礎建設、確保資料互通性，並持續嘗試新技術和創新應用。他也建議，醫院若要找出高成本患者族群、降低醫院成本，可從心理健康狀態、社經地位、婚姻狀態和生活狀態等因子下手。MGB就因此找出這群高成本患者，他們占整體患者人數的5%，但卻耗費醫院50%的支出，MGB也根據這群患者調整措施，來提高成本效益。（詳全文）

新加坡   醫療影像   開發 

新加坡國家醫療IT公司更名Synapxe，還打造國家級醫療AI開發平臺

由新加坡衛生部在2008年成立的國家醫療IT公司IHiS，最近在成立15周年之際更名為Synapxe，同時揭露更多醫療AI應用，要給新加坡國內40多家公立醫療機構使用。自IHiS成立以來，就肩負設計、開發醫療IT解決方案的責任，來支援新加坡46家公立醫療機構、7萬多名職員工作，IHiS同時還管理了600個醫療IT系統、8萬多個終端設備。

Synapxe執行長Ngiam Siew Ying指出，他們要用生成式AI和雲端技術，來推動更多解決方案和計畫，其一就是今年7月剛與衛生部展開的Healthier SG計畫，他們用開放式架構和國家醫療資訊網格，來實現跨體系的資料互通和交換，以支援完善的照護。目前，Synapxe也打造了新加坡首個慢性病輔助解釋AI（ACE-AI），該AI採用深度學習演算法，來計算民眾罹患慢性病的早期風險，有助於預防醫學，並計畫在今年底展開全國測試。此外，[Synapxe也建置了新加坡首個醫療影像AI開發平臺AIM.SG，可接受各種類型和來源的醫學影像，來加速AI模型的開發、測試和部署。另一個Synapxe打造的AI系統是藥物遵從性影片分析器（AV-MED），該系統是Synapxe與新加坡綜合診所集團共同開發的原型，透過AI分析影片畫面，來提高患者的服藥性。（詳全文）

 CareCloud   雲端   生成式AI

美醫資大廠CareCloud也採用公雲生成式AI服務了

美國醫資廠商CareCloud最近宣布採用Google Cloud生成式AI服務，要來打造醫療系統服務，提供給美國中小型醫院和診所使用。進一步來說，CareCloud本來就採用Google Cloud來協助日常營運，這次要用生成式AI和企業搜尋功能來驅動自家產品，也就是採用Google的全託管機器學習平臺Vertex AI 和生成式AI應用程式建置工具（Generative AI App Builder）的搜尋功能，來打造臨床應用，讓醫師能即時存取資料。

CareCloud說明，他們接下來要推出的解決方案，能在兼顧隱私法規的前提下，同時分析大量患者數據、提出問題，來根據回答得到洞察和基於事實的照護建議。CareCloud舉例，該解決方案適合用於患者進入醫院或診所時，先用生成式AI摘要患者相關訊息，並協助醫師制定照護計畫，包括藥物、實驗室檢驗檢查項目，以及根據患者病史和當下症狀來建議治療程序。而且，該解決方案還能根據建議的診斷、患者保險和其他訊息，來向診所和患者說明保險給付項目與待付金額。（詳全文）

中國附醫   病歷紀錄   生成式AI 

口述10秒就完成病歷記錄，中國附醫推醫療生成式AI系統

中國附醫採用微軟生成式AI服務，開發出智海系統（gHi system），是首套以華文建立的生成式語音智慧醫療系統，能根據醫護口述，快速轉換為文字，來完成病歷的撰寫，減少醫護人員輸入病歷75％的時間，讓醫護人員更專注於患者照護。

進一步來說，傳統手寫或鍵盤輸入病歷資訊，不只耗時，還容易出錯。為克服語音轉文字的準確度，中國附醫AI中心找來微軟，利用微軟Azure平臺上語音轉文字服務，辨識口述內容，再用同平臺提供的GPT-4模型，來摘要、分析，提取關鍵資訊，10秒就能自動生成專業醫療術語和建議。中國附醫指出，該應用可用於新病人面談問診、護理語音記錄、住院病歷撰寫、專業檢查報告輸出，甚至還能客製化生成等，大幅縮短撰寫醫療報告的時間。（詳全文）

聯合學習   高雄   智慧醫療 

高雄聯合學習智慧醫療聯盟揭亮點成果

由臺灣人工智慧實驗室（Taiwan AI Labs）推動成立的高雄聯合學習智慧醫療聯盟日前展示研究成果，包括高醫附醫副院長黃尚志團隊用AI分析糖尿病人眼底攝影影像與生理數據，來預測腎病變的發生和惡化風險，同時也利用聯合學習平臺收集近萬筆圖像，來訓練模型、統計分析其中關係，來進行連動性預測發病風險，以便醫護及早介入治療。（如下圖）

高雄長庚也是聯盟一員，他們是全臺蒐集腦部中風電腦斷層影像最多的醫學中心，該院放射診斷科副教授林偉哲就透過跨院資料，再用聯合學習平臺打造腦缺血性中風診療預後AI輔助系統，來快速找出需要緊急處置的病人，縮短治療等待時間（如下圖）。

此外，聯盟成員之一的高雄榮總也有相關應用，運用聯合學習平臺來訓練「院前心跳停止早期警示預測AI模型」，來讓急診和重症團隊及早介入治療。（如下圖）

另一個聯盟成員義大醫院則展開骨質密度預測系統計畫，預計要輸出一萬組資料來訓練、驗證骨密度預測模型，要藉此篩選出骨質疏鬆症高風險個案，提供治療來降低脆弱性骨折的發生。此外，義大醫院也要用聯合學習方法打造All-in-One藥物智慧辨識系統，預計要會辨識6千項藥物品項，來輔助臨床醫師和照護團隊準確判斷病人用藥現狀。（如下圖）（詳全文）

 AWS   生成式AI   應用程式 

AWS推出新服務，用生成式AI加速開發醫療應用程式

7月底，AWS推出醫療專用生成式AI開發服務預覽版Amazon HealthScribe，符合美國醫療安全法規HIPAA，能加速醫療軟體供應商用來打造臨床應用程式。比如，開發者可使用文字識別和生成式AI技術來生成臨床文件，節省醫生時間。此外，醫療軟體供應商可用單一個API，來自動建立臨床記錄、提取文件關鍵訊息（如醫學術語和藥物），並根據醫病對話建立摘要，然後將這些資料輸入到電子健康紀錄（EHR）系統。Amazon HealthScribe由Amazon Bedrock提供支援，讓醫療軟體供應商能更快、更輕鬆將生成式AI功能整合到其應用程式中。在普通醫學和骨科這兩個常見專科，也有醫療軟體供應商開始使用Amazon HealthScribe了，不必自建LLM等基礎設施。（詳全文）

 自動化   遠距監測   IDC 

IDC：醫院未來2年將加碼第三方技術投資，著重RPM計畫

市調機構IDC和Redox聯手發布一項調查報告《買方心態：臨床主管和IT主管的醫療技術觀點》，該調查訪問全美205位中大型醫院的臨床主管和IT主管，88%受訪者表示，將在2023、2024年增加第三方技術投資，一大原因是要推動數位轉型。進一步來說，調查顯示，超過半數受訪者將數位轉型視為醫院最重要的目標，而部署新IT解決方案的首要目的是更自動化（47%）、降低成本（35%），再來是提高照護品質和病人安全（31%）、將資料作為醫院戰略資產（30%）。

第三方技術投資大宗為自動化工具和遠距照護工具，因為，近7成受訪者認為遠距醫療和其他虛擬照護解決方案，是解決醫護人力短缺的關鍵，另也有6成以上受訪者認為，RPM（遠距病人監測）計畫至關重要，而4成多受訪者認為，自動預約排程工具比過去更有價值。報告指出，43%受訪者已制定RPM計畫或正進行額外投資來推動RPM，另也有55%受訪者指出，他們使用RPM平臺來管理慢性病患，或用來即時警示、進行臨床處置，還有45%受訪者點出，他們打算用RPM來輔助高風險患者儘早出院。甚至，將近8成受訪者表示，在今年結束前，他們將實現5到20個RPM計畫，有些醫院還打算擴大範圍，要涵蓋行為治療。（詳全文）

圖片來源／國科會、臺灣人工智慧實驗室、微軟、IDC

  MedTech醫療科技近期新聞 

1. 美國國家醫療IT協調辦公室ONC要求醫院使用社會決定因素（SDOH）資料

2. Accenture著手打造紐西蘭國家級一站式健康資料平臺

資料來源：iThome整理，2023年7月