人工智慧視覺應用於醫療保健
http://bit.ly/2OcOpuE
勤業眾信(Deloitte)與經濟學人研究指出，全球醫療保健(Healthcare)支出規模估計在
2020年應該可達到8兆7千3百億美金，而InkWood Research評估2016年以人工智慧(AI)技
術應用在醫療保健中產業規模約12億美金。
在醫療場域中，病理檢驗專科醫師每天分析各種影像與整合判斷，例如：
分類任務：從MRI腦部掃描影像判斷是否為出血性中風？
辨識定位：超音波影像中腎臟在哪裡？
掃描偵測：肺部CT掃描影像中所有的腫瘤？
圈選區塊：肺腫瘤患者是否應該進行手術，如果是，切除範圍應該是多少？
在單純面對影像辨識時，醫師像挑戰「威利在哪裡」(Where's Wally?)，在大片影像中找
出特定形體。
人工智慧下的分支領域：深度學習(deep learning)，發展在1980年代遭遇瓶頸，直到
2012年多倫多大學AlexNet的深度網路結構獲得重大突破後，影像辨識技術逐漸成熟，
2018年Google DeepMind以更優化網絡，與英國眼科醫院合作標註上萬份視網膜掃描影像
中的病變區，訓練的AI能正確辨識青光眼等疾病，早期測試錯誤率低於人類醫師，排定計
畫用於臨床治療。在醫療場域累積大量影像與AI視覺技術進步下，兩者結合成近年熱門研
究主題。
對於當前醫療保健產業，形成值得關注的核心議題：
有什麼型態的AI視覺應用？
驅動什麼具體的成果？
有以下4種形態的AI應用在醫療保健產業中：
1.診斷決策支援
MaxQ AI 提供設備和AI影像識別軟體，協助醫師找出腦部掃描中罕見異常，輔助在人眼觀
察影像時，因感知誤差而未被注意到的狀況。
微軟InnerEye讓醫師上傳病人三維的X光掃描影像，顯示可能是腫瘤或其他異常區域，讓
醫師更進一步觀察這些部分。微軟強調工具不是取代醫師而是協助診斷，讓原本由醫師人
眼觀察數小時，到由AI辨識縮短至數十分鐘，即得到更精確診斷。InnerEye已通過FDA認
證。
2.減少臨床試驗的損耗
AiCure透過AI視覺與數據分析提供完整解決方案：建立病患、疾病和治療處方之間聯繫，
用APP與影像辨識來確認病患攝取處方藥，協助藥物研究人員監測病患對處方的依從性，
減少病患中途脫離臨床試驗過程。
3.醫療影像
Arterys 4D Flow可在MRI掃描患者心臟後，顯示3D模擬的心臟影像，讓醫師更加真實地瞭
解患者心臟狀況，而無需耗時進行高風險的侵入性手術。透過上傳未標記的患者掃描影像
，演算法能夠判斷患者心臟是否健康或功能失調。Arterys 4D Flow已通過FDA認證。
4.手術
Gauss Triton讓醫師拍攝上傳血淋淋的手術海綿影像與抽吸罐收集的失血，以視覺和重量
分析，讓醫生在手術過程即時監控失血狀況，內部研究顯示相較於沒有使用工具，在剖腹
產時使用可以較少的血液產品在患者身上。此外，其住院時間也較短。Triton已通過FDA
認證。
目前最可行AI視覺應用還是在放射醫學，其解決方案通常協助醫師從X光、MR、CT掃描診
斷疾病和病症。而確認AI解決方案的關鍵之一，是擁有資訊科學或機器學習博士的高階管
理者，還有能掌握大量影像資料與醫學專業標註能力也是關鍵。在不久的將來，會有更多
醫療保健領域使用AI影像識別，協助醫師在重複且容易造成感知誤判下的辨識決策，還給
醫師有更多時間建立良好的醫病關係與整合分析研究。