账号:
密码:
CTIMES / 文章 /   
人工智慧即将冲击与改变现有医疗方式
 

【作者: 盧傑瑞】2018年04月02日 星期一

浏览人次:【8258】
  


从1960年代初,学术界陆续展开对於人工智慧的研究,一直到目前的机器学习、深度学习等观念,所带来的第三波人工智慧浪潮。


对於医疗领域来说,在1970年代初期,人工智慧就已经被应用在各项检查,例如根据血液检查的结果来发现患者的感染性血液疾病,并且延伸出辅助医疗者判断采用何种抗生药物来成功的医治,比起过去所采用的经验法则,大大的提升对於感染性疾病的判断准确性。


透过人工智慧技术的力量,可以达到一瞬间完成检验

直到最近,透过深度学习技术的能力大幅度提升影像辨识正确性,举例来说,透过X光摄影(X-ray photography)、电脑断层扫描(Computed Tomography)、核磁共振(Magnetic Resonance Imaging),以及细胞检查(Cytodiagnosi)等检测设备,能够从溃疡的发现、肿瘤增大的结果,来发现身体的异常状态。而这些检查过程与发现,已经从过去需要耗费10多天,一直到透过人工智慧技术的力量,可以达到一瞬间完成检验。


相信可以预见在不久的未来,医学领域也将出现相当具规模的医疗变革(图一、


图二、图三)。对於疾病的诊断方面,以目前较简单的方面来说,已经能够透过类似建议协助的人工智慧来进行,例如,可以经由在具有医疗性质人工智慧的设备中输入问诊和检查结果,来获得类似诊断的建议内容。



图一 : 从1960年代初,学术界陆续展开对於人工智慧的研究。(source:东京大学工学系研究科)
图一 : 从1960年代初,学术界陆续展开对於人工智慧的研究。(source:东京大学工学系研究科)

图二 : 伴随辨识技术提升,医学领域也将出现大模的医疗变革(A)(source:东京大学工学系研究科)
图二 : 伴随辨识技术提升,医学领域也将出现大模的医疗变革(A)(source:东京大学工学系研究科)

图三 : 伴随辨识技术提升,医学领域也将出现大模的医疗变革(B)(source:东京大学工学系研究科)
图三 : 伴随辨识技术提升,医学领域也将出现大模的医疗变革(B)(source:东京大学工学系研究科)

和人类一样,医疗领域的人工智慧也是需要经过一定程度的学习,才能够产生对於事物判断的能力,应用了学习而来的技术,可以从拍摄的医疗影像中发现病变结果,再加上患者的症状、基因组体资料後,进而可以分析出初步的诊断结果。


日本透过政策计画推动人工智慧在医疗领域的应用

因此,对於人工智慧在医疗领域的应用方面,日本也从政府阶层开始进行计画性地推动,在2016年11月,日本政府所召开的第2届未来投资会议上,首相安倍晋三就明确的宣示,大数据(Big Data)与人工智慧将会在预防、健康管理,以及远端医疗方面进行最大程度的应用,来实现高医疗品质(图四)将人工智慧导入日本医疗体系之中,并且日本厚生劳动省也开始着手规划一系列相关的政策,来因应人工智慧医疗时代的来临,包括医疗费用的修正、采用人工智慧医疗的激励措施等等,并且预计将在2020年全面实施与推动人工智慧医疗制度。



图四 : 倍晋三在2年前的未来投资会议上宣示,将大数据与人工智慧在预防、健康管理,以及远端医疗方面进行最大程度的应用,来实现高医疗品质。(source:日本首相官邸)
图四 : 倍晋三在2年前的未来投资会议上宣示,将大数据与人工智慧在预防、健康管理,以及远端医疗方面进行最大程度的应用,来实现高医疗品质。(source:日本首相官邸)

为了达到在医疗领域更高度应用人工智慧能力,高度完整且安全资料库的整建绝对有其必要性,在这方面,日本政府开始整合和建立了,包括电子病历卡、健康检查资料、医疗、照护的收据凭证资料等一元化系统资料库,来做为跨入次世代健康管理系统架构下,提供更好医疗品质的第一步(图五)。



图五 : 日本政府正进行规划的患者资讯数据资料库概念图(source:日本ICT活用推进恳谈会提言书)
图五 : 日本政府正进行规划的患者资讯数据资料库概念图(source:日本ICT活用推进恳谈会提言书)

被称为「PeOPLe」的人工智慧医疗管理系统,已经开始整合与保存日本各医疗机关里每一位患者的医疗诊断纪录,并且授予每个患者识别编号(医疗ID),除了方便保存与管理医疗资料之外,并且也将患者在不同医疗单位就医的资料予以统一保存管理,在未来就诊时,医疗人员可以从资料库中读取患者过去完整的就诊资料与各种检查报告。


医疗人员方面,在未来也将统一在PeOPLe中记录每一个患者的诊疗资讯,同时也可以作为患者在进行回诊时,透过人工智慧技术的能力,在进行检查、诊断、治疗的同时,也可以向医疗人员提出医疗支援、建议和各种警示提醒。然而资讯化之後,除了可以节省无谓及浪费的检查之外,并且能够将医疗资源进行最隹化的分配,并且透过匿名化的医疗资料,提供给各学术单位进行各项更为先进的医疗研究。厚生劳动省医药生活卫生局长武田俊彦表示,在未来的健康管理系统方面,在这样的构想下,医疗、照护等资料将都会被网路化,并且作为大数据的一部分,除了减轻医疗人员的负担之外,更可以透过大数据资料库,在人工智慧技术协助之下,来对各地域进行下一代的医疗发展规划,让各地域的患者能够得到较为完善的医疗服务。


不断的反覆进行运算,达到快速增加高度判断的能力

在这样次世代医疗服务体系的建构中,最重要的还是莫过於人工智慧的技术力量,但是,在这里人工智慧将会进行什麽样的架构改变?


最初,电脑系统只有被输入和储存图像以及文字等资料,而再进一步的可以进行简单的讯号收集、整理、辨识和分析。而加入了人工智慧之後,这些讯号资料就可以被同时并存地进行特徵性比较,然後对於这些特徵性的文字图像进行判断。


就如同能够对患者透过各种检查设备所拍摄而得到的图像进行分析,然後更进一步的获得诊察判断结果,同时再与资料库中的样品资料进行比对,根据所预设的规则来做出各种诊察报告。


在以前,必须汇集各种所获得的医疗资讯,以人工输入的方式,提供具有初步人工智慧的电脑或仪器来进行比对分析。不过,伴随着电脑的计算能力有着飞跃性的发展,得以进行更为复杂繁重的程式计算,这样的变化,已经可以从「如果是A的话,那就会演化到B」的单纯对应关系,进步到「在A的情况下,如果出B的话,可能会演化成C」的多层判断和分析,让人工智慧技术进步到可以自行「深度学习」的阶段,进而不再需要依赖人工来进行初步或比较过後的资料输入工作,凭藉人工智慧的深度学习能力,不断的反覆进行运算,来达到资料自动辨识,快速增加高度判断的能力。



图六 : 人工智慧透过机械式的方式来有规律地进行自我学习。(source:日经MEDICAL ONLINE)
图六 : 人工智慧透过机械式的方式来有规律地进行自我学习。(source:日经MEDICAL ONLINE)

在人工智慧对於医疗方面的学习、个案判断基准,都是和普通人一样,没有什麽不同。长年投入人工智慧开发研究的厌应义塾大学理工学部生命情报学科?原康文教授表示,医生从患者的问诊结果中,抽离出重要的关键讯息,藉以作为初步和广泛程度的判断,再以结果来对患者的病理做出辨别。这时,医师还必须根据过往的学习知识和经验进行反覆的思考、验证,来提升精确度,获得正确的诊断结果。人工智慧医疗机制也是一样,只不过比较大的差异是,人工智慧是透过复杂的运算来修正各种系数结果,并且不断的反覆进行微调整,再获得最後的结果。


将人工智慧导入急救医疗提升急救成功机率

在传统上,急救医疗的本质上就是医疗团队和时间在竞赛。而急救医疗在导入科技之後,就又多了智慧型手机APP和人工智慧的协助。


日本东京慈惠会医科大学,在先端医疗情报技术研究讲座担任准教授的脑神经外科高尾洋之医师,从2016年11月开始,就担负着主导利用手机APP和人工智慧协助急救医疗这个计画的任务,2017年度正式开始临床应用实验,预计在2018年正式导入急救现场使用。


在2015年时,高尾洋之医师就已经在日本东京慈惠会医科大学,有着超过3000部具有这项功能的iPHONE导入经验,并且将医疗讯息予以资讯化。在2016年正式展开这项计画时,除了医院本体之外,更加入了Allm这家公司来共同开发智慧型手机的APP,并且整合融入了人工智慧技术,称之为「JOIN」。


「JOIN」的架构是为了在数个医疗关系者之间可以快速且有效的进行沟通、资料分析,并且让包括手术室、急救室等数个医疗关系者能够同时获得,例如X光摄影、电脑断层扫描或核磁共振摄影、医学摄影、心电图等各项身体检测结果和数据。



图七 : 利用手机APP和人工智慧协助急救医疗 (source:日本东京慈惠会医科大学)
图七 : 利用手机APP和人工智慧协助急救医疗 (source:日本东京慈惠会医科大学)

实际上,救护人员在急救现场是相当难以正确掌握患者的受伤或健康状况,并且无误地传达给後续急救的医疗人员。而利用智慧型手机APP和人工智慧协助急救医疗这个计画,就是希??借助智慧型手机APP和人工智慧,在紧急救护和运送的过程中,能够让後端急救团队能够及早获得患者的状况,缩短抵达後初步伤检判断时间,达到提升急救成功机率与减轻各种健康後遗症为目标。


这个急救架构是透过人工智慧来进行问诊与生命特徵感测,再将所获得的资讯予以分析,并且进行检伤分级(Triage)。基於这个分析结果,在医疗单位接受急救患者时,就够预先制定急救计画,以及选定运送患者对象。


例如对於急性脑血管疾病的患者,可以在出现症状时,让紧急救护人员预先进行相关简易急救医疗行为。以脑血管栓塞的患者为例,从症状发生後的发生3小时内可经由静脉给予tPA,此类药物的使用必须靠医疗团队的合作,与时间赛跑以抢救脑细胞。并且在8小时内里用血栓清除设备实施血管内治疗,让中风後遗症降到最低的程度。而这些画面、资料、各种行动、医护人员之间的沟通,就可以透过手机中的JOIN这个APP来进行。


更进一步的,高尾洋之医师不仅仅让JOIN这个APP担负着患者急救运送时的紧急和问诊处理,更进一步的融合人工智慧来完成「Cloud ER」系统,初步将先以脑、心血管患者为急救对象,透过「Cloud ER」系统提高急救成功率与降低後遗症。


在「Cloud ER」系统中所使用的人工智慧有两大类资料分析。第一类是让患者戴上具有量测心脉、血压、心电图等等生命特徵功能的医疗电子手环。第二类则是透过智慧型手机中的APP来收集整理患者的发病各项资料。


当预定接收患者的医疗机构也从JOIN和「Cloud ER」系统获得发病各项资料之後,就能制定患者的急救计画,以及准备相关急救器材,另一方面,也可同时指示负责运送的进护人员,进行必要的急救措施,让患者运抵医疗机构之後,就能够立即获得最适切的紧急救护医疗。


非所有的医疗人员都乐意接受人工智慧医疗时代的来临

虽然将人工智慧导入医疗系统,透过政府的推动、各业者的技术整合,看起来已经是必然的趋势,但是对於现今的医疗体系以及医疗人员来说,还是必须面对无法避免的适应期。


事实上,透过日本的专业媒体访问分析可以发现,并非所有的医疗人员都相当乐意接受人工智慧医疗时代的来临,甚至有一部分的医疗行为将会被人工智慧系统或者机器人所取代,这更是深深激怒了部分的医疗人员。


根据调查,大概有85.2%的日本现行医师相信,在未来100年内,将会实现透过人工智慧来进行医疗辅助。只有不到15%的医师认为即使再过100年,人工智慧仍无法取代人类进行医疗行为。而对於采用人工智慧产品来做为医疗辅助方面,仍旧有将近19%的医师是相当排斥,甚至完全不考虑导入人工智慧医疗产品(图八、图九)。



图八 : 预测人工智慧导入医疗时间的医师比例  (source:日经MEDICAL)
图八 : 预测人工智慧导入医疗时间的医师比例 (source:日经MEDICAL)

图九 : 使否会采用人工智慧协助医疗行为的医师比例 (source:日经MEDICAL)
图九 : 使否会采用人工智慧协助医疗行为的医师比例 (source:日经MEDICAL)

就意见而言,大多接受人工智慧医疗的医师都认为,采用人工智慧医疗,可以达到再确认功能而预防人为疏忽,并且可以提供诊断的辅助、预防误诊,以及缩短确诊的时间,甚至可以透过人工智慧医疗的力量来补强自己不熟练领域的技术和知识。


当然,并非所有的医师都是如此正面看待人工智慧医疗的能力。对於医师而言,最沉重的负担就是需要背负着「对患者的责任」,因此,最直接被反应的问题就是,当出现误诊时,是哪一方面需要负担责任?


有些医师认为,人工机械因为无法担负责任,所以绝对不可以进行确诊的这项工作,最多只能提供医师进行确诊时的叁考资料。因为就诊断上,无论是慢性患者,或者是需要进行急救的对象,在医疗行为进行时,存在太多的变化,仍旧需要依赖医师的经验不可,这一方面,人工智慧是绝对无法做到的。因此,让机器人测量一下生命特徵的数据就好,其他方面,还是需要交给有经验的医师,并且需要重视医师多年以来的医疗经验和能力值。


相关文章
工业机器视觉:提高系统速度和功能,同时提供更高简捷性
工业自动化强势来袭 运动控制扮演关键要角
加速数据处理 让人们的生活更美好
人工智慧技术发展
TrendForce解析2020年十大科技趋势
comments powered by Disqus
相关讨论
  相关新品
EM500EV 测试/开发板
原厂/品牌:集博
供应商:集博
產品類別:IDE
  相关新闻
» 全球假冒疫情网路威胁升高 趋势科技发布3大资安风险
» 台北市与连江县打造双城智能卡 跨域合作拓展市民服务
» 2020年迎接企业危机亦转机 可??借道5G专网转型成长
» 响应台商回流政策 工业自动控制大厂营运总部动土
» 达梭系统3DEXPERIENCE World 2020 号召创新者塑造人因设计世界
  相关产品
» 大昌华嘉在台韩推广DataPhysics量测设备 投入表面和介面科学领域
» Fluke首款可携式囗袋热像仪上市
» Fluke首款工业声学成像仪ii900上市
» Fluke四款640 x 480解析度热像仪齐登场
» TYAN发布伺服器及主机板支援第二代Intel Xeon

AD


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2020 远播信息股份有限公司版权所有 Powered by O3
地址:台北市中山北路三段29号11楼 / 电话 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw