今年10月底,我應邀前往中國醫藥大學附設醫院採訪,目的是參加宣布啟用Nvidia DGX-2這款大型AI一體機的發表會,由該院的人工智慧診斷中心主任黃宗棋主持。

他向在場媒體介紹發展醫療AI應用的背景與動機,正是基於當前緊張的醫病關係,醫護人員也長期處於過勞、疲憊的高壓力狀態,而期盼運用深度學習的技術,從根本來改善這些日益惡化的狀況。

相較於其他投入醫療AI應用的業者,黃宗棋認為,他們希望採取更務實的作法,將科技納入臨床診療當中,聚焦在解決醫療本身的需求,持續發展各種垂直型的方案,例如,目前已經針對肝癌、乳癌、骨齡的醫療影像判斷需求,開發出AI的系統。

在上述的考量之下,他們從2016年11月開始投入相關技術應用的發展,從原本單靠GPU加速卡來進行相關訓練,很快地,一年後,他們率先導入了Nvidia DGX-1這款知名的AI一體機,從今年起,也陸續針對肝癌、乳癌、骨齡等應用領域,發展出相關的專利,並於年中成立了長佳智能,接著開始採用更高階的DGX-2,也宣布與Nvidia展開合作,共同發展亞洲醫療AI。

與會之前,我一直很好奇,配備8顆Nvidia GPU的DGX-1的價格不菲,更何況是GPU數量多了一倍的DGX-2,他們用於人工智慧領域的工作負載,真的有那麼大嗎?而且,已繁重到需仰賴如此昂貴的設備來處理嗎?

黃宗棋說,相關的需求層出不窮,各種需要應用這類資料分析的專案,已經多到做不完的程度,眾人均期盼可以有更快的處理方式,促使他們積極尋求能夠提供更高運算效能的解決方案。

而根據他們的實際效能測試來看,同樣面對InceptionResNetV2這套預先訓練的卷積神經網路模型,若純粹以處理器架構的伺服器來進行,收斂時間需要35小時;改用DGX-1之後,可縮減至42分鐘;然而,換成DGX-2,成效更為驚人,只需11分鐘。

而在實際應用系統當中,GPU加速的整合設備又帶來哪些助益?黃宗棋表示,在他們發展的「生長激素缺乏與性早熟疾病症候群人工智能評估系統」裡面,針對骨齡輔助判讀的部份,若透過原本的人工作業來察看相關的醫療影像畫面,每一次的報告產生需要6到8分鐘,然而,現在借助AI之後,所需時間可縮短至0.1秒。

而在中國醫藥大學附設醫院的門診資訊系統當中,目前也已經在相關科別的系統操作介面上,整合了AI專屬按鈕,點選之後,醫師可立即檢視求診者骨齡的AI推論報告,而在輔助判斷的效果上,中國醫藥大學副校長暨附設醫院兒童醫院中心醫學遺傳科主治醫師蔡輔仁表示,這套系統的準確率可達到95%以上,之所以還有部分誤差,他認為,可能與原始醫療影像擷取的品質與角度有關,未來仍有改善的空間。

面對醫療AI的發展,蔡輔仁說,對醫師與IT人員來說,是最好的時代,也是最壞的時代,因為,有機會能夠提供最快的解決方案,相對地,無法以不夠快為理由來回應求診者的需求;同時,有些作業,像是病理、放射,也有可能被AI所取代;此外,會出現混沌的新局面,一些人事物會遭遇淘汰的命運,但也是重新訂定制度的機會。

參加這次發表會之後,我重新體認到醫療AI發展的不同面向,畢竟「人命關天」,當所有醫療院所都遭遇到極大的經營壓力,如何有效降低成本、充分運用醫療資源,已成為各界關注重點,不論是病患、醫護人員,都需要更快、更準確、更低成本的方式,來取得和提供診療服務,而能否善用創新技術,將是整個醫療健康體系未來是否能維繫的重大關鍵。

作者簡介


Advertisement

更多 iThome相關內容