字體：小 中 大 |
|
|
|
| 2018/04/25 17:29:57瀏覽9｜回應0｜推薦0 | |
人工智慧(AI)專家總說，資料越多，演算法就會更完善，而醫療體系正是充滿數據的領域。但以往因為涉及病人隱私、儲存系統不相容等問題，遲遲沒建立起讓各醫療院所共享資料的網路，因此，AI的醫療應用仍有許多尚未開發的領域。 疾病識別和診斷，是現階段醫療保健領域最常導入AI的領域。不少國家因為醫療成本上漲、政府政策失靈，導致越來越多人民難以獲得醫療保障，或許AI能在整個環節扮演輔助角色，讓預防性護理的工作更完善。 印度》Aravind眼科醫院預測糖尿病 針對長年高踞台灣10大死因榜上的心血管疾病，許多研究團隊都鎖定探究如何透過演算法找出高風險族群、在哪個時間點較易發病。目前美國心臟醫學會(ACC／AHA)已經制定一套評估心血管疾病風險的指導方針，這套指引是依照年齡、膽固醇指數和血壓等因素制訂而成，準確率為72.8％，但它並沒有考慮患者用藥、疾病和生活方式潛藏的風險。 英國諾丁漢大學的研究團隊建立4種機器學習演算法，並提供系統將近38萬筆病例，這些系統先用29.5萬筆資料來建立內部預測模型，接著用剩下的資料來測試和改進，最後，4種AI演算法的準確度都比根據患者病例資料的人工診斷更好，而且準確率介於74.5％到76.4％，以神經網路演算法的檢測結果準確率最高，假警報也減少。 研究團隊同時比對2005年至2015年的醫療記錄，有355例死亡患者被AI系統認定為心血管疾病潛在病患，如果透過改變飲食或服用降膽固醇藥物等方式進行預防性照護，他們有機會活下來。有趣的是，AI系統還辨識出其他風險因子和預測指標，像口服皮質激素、嚴重的精神疾病等。 機器學習如今也應用在判讀電腦斷層掃描(CT)等影像診斷檢查上，找出身體病變。儘管有些人認為AI將終結放射科醫師這一行，但也有不少人視AI為放射科醫師的最佳助手。 在城鄉醫療落差大的印度，Google正把機器學習技術應用在糖尿病視網膜病變監測。Google和印度Aravind眼科醫院合作，利用圖像識別演算法檢測糖尿病患者的視網膜，由Aravind提供視網膜影像，Google則利用經過眼科醫師評估過的圖像訓練AI系統，由系統在沒有醫師診斷的狀況下拍攝影像並依據量表分類。 結果顯示，演算法在辨識異常的敏感度和判斷的準確度上，都優於人類診斷。如果這項應用未來能導入眼科臨床診斷，將是全球超過4億罹患糖尿病風險者的福音。 同樣位於印度，一家名為Aindra Systems的公司正在利用AI 診斷子宮頸癌。對印度3.3億名年齡介於15歲到60歲的婦女來說，子宮頸癌是好發率排名第2高的癌症，通常子宮頸癌檢查出結果需要經過病理醫師的手標記，再交由腫瘤科醫師進一步檢查，Aindra則是開發出即時檢查設備，可以自動進行深度分析，大大縮短篩查時間，幫助患者早期發現症狀。 美國》研發APP檢查腦震盪 美國華盛頓大學的研究團隊正在開發一款有AI輔助的APP，讓在場的家長、教練、看護等，能在第一時間客觀偵測腦震盪和其他腦部創傷的情況。 運動員是腦部損傷的高危險群，多次腦震盪容易導致退化性神經疾病、認知問題，有時甚至會造成死亡，但在醫院以外的地方，一般人要診斷腦震盪尚無完善的方法，最常見的是詢問傷者一些問題、讓他們重複說一組單詞或是用手觸摸自己的鼻子，以判斷其腦功能是否正常，然而這種評估基本上都是主觀的。 腦震盪發生時，腦部在顱骨內受到撞擊，控制眼睛對光線有反應的區域因此受到損傷，醫院會使用造價不菲的瞳孔儀，判斷傷者瞳孔對光線的反應，華盛頓大學開發的這款APP「PupilScreen」也是類似道理，它先以智慧手機的閃光燈刺激患者的眼睛，接著用手機錄製3秒鐘的短片，再讓深度學習演算法處理短片、找出與瞳孔相關的影像，從影像中測量瞳孔尺寸變化。 目前PupilScreen已可檢測到嚴重的創傷性腦損傷，並將展開大規模臨床研究，讓醫療人員蒐集更多資料。華盛頓大學研究人員說，他們並不是自己設計演算法來解決瞳孔反應的問題，而是採用機器學習的方法，蒐集數據並編寫一個鄭本岡讓機器自行學習的演算法。相較於詢問傷者問題做出的主觀判斷，PupilScreen是以客觀的臨床數據判斷傷者情況，有助於及時診斷、盡快採取醫療措施。 AI分析和分享資訊的能力除了有助於疾病診斷，也有人應用在評估疾病治療的選項和效果上。美國一名醫師希望癌症病人能找到更適合自己的治療方法，創立了All4Cure公司，他的方法是透過社群媒體把接受不同治療方式的癌症病患串聯在一起，由電腦系統蒐集和分析他們接受治療的數據結果，把接觸病人的醫療人員拉進這個醫療社群。 另外有學者也利用推特、臉書這些社群媒體，找出未向主管機關通報的臨床藥物實驗資料是否已出現問題，讓藥品安全監視(Pharmacovigilance)系統更完備。事實上，已有藥廠把AI應用在藥物化合物的初步篩選，或是利用AI找出適合個別病人的藥物。 馬來西亞》開發流行病學AI系統 AI在預測和監控流行病學上已有幾個成功例子。2014年伊波拉病毒肆虐非洲、奪走4,000多人的生命，被世界衛生組織(WHO)視為近代最緊急的「國際公共衛生事件」，但早在世衛組織通報伊波拉疫情擴大之前，電腦系統已透過社群媒體、新聞報導和若干國家政府網站，提早9天通報伊波拉疫情即將失控。 當時多國醫療團隊紛紛進駐西非地區展開醫療救援、試圖遏制病情，而西非當地的跨國電信業者也和國際衛生組織合作，提供非洲用戶的行動電話通訊資料，透過大數據分析工具，繪製當地民眾的聚集地區和移動路徑，預測病毒可能往何處散佈。這在當時發揮不小功能，政府得以監控疫情發展、即時規劃防疫措施和救援管道。 類似的例子還包括登革熱，這是由多明尼加電腦工程師馬洛爾(Rainier Mallol)和馬來西亞醫學博士拉賈(Dhesi Raja)攜手開發出的「流行病學AI系統」，可以預測最可能爆發疫情的區域。此系統結合了274個變因，包括新通報病例出現的時間和地點、當時的風向、濕度、溫度、人口密度、住宅類型等等，找出蚊子傳播的途徑。 目前在馬來西亞和巴西的測試顯示，這套系統可以提前3個月預測到疫情即將爆發，而且準確率約達88％。由於這套系統可以監控疫情中心地點及其周遭400公尺範圍的情況，公衛人員可以採取預防性措施，先行噴藥來防止蚊蟲叮咬當地居民。 【完整內容請見《能力雜誌》2018年1月號，非經同意不得轉載、刊登】 |
|
| ( 興趣嗜好｜攝影寫真 ) |
