AI人工智慧正在改變你我的醫療行為
2021-01-07 14:39 聯合新聞網 / 常春月刊
本文摘自《常春月刊》454期
文／鍾碧芳
近來，數位科技正逐步與醫療緊密結合，試圖將人工智慧的發展應用在醫療上，這在21世紀第二個十年當中是最被看重的一環；經過多年的應用測試下，如何透過人工智慧讓醫療變得更安全、錯誤更少、更精準，又能在最短時間內處理並解決病人的資訊，讓醫療效果更高、費用更低廉，是所有醫療領域最迫切得到的理想目標。
臺北醫學大學附設醫院（以下簡稱北醫）近年在院長陳瑞杰的領導下，積極導入智慧醫院，他認為在進行人工智慧前，全院數位化是必經過程。「這幾年北醫團隊在數位化的建置上已經趨於完整，無論從掛號、報到、繳費、加護病房，甚至到給藥系統等，都可見人工智慧（AI）的蹤跡，能提升整體醫療服務與照護品質。」
動脈取血栓，延長腦中風黃金救援時間
數據是人工智慧很重要的基礎，透過技術能達到過去做不到的部分，陳瑞杰舉北醫的急救為例，以前腦中風的患者必須要搶在6小時內注射靜脈血栓溶解劑；但在數位化後有了革新，現在可以擴大到在24小時動脈取栓治療，等於是用更科學的方法找到更好的治療成效。
北醫所運用的是以電腦斷層或核磁共振影像，加上電腦自動分析軟體（RAPID）來了解病患的腦中風狀態，依此得知患者腦內壞掉組織後的存活機率，如阻塞的範圍、大小等預測。這彌補了過去光靠時間來判定病患狀況，讓醫學治療的路徑產生改變，在北醫，這樣的案例已經執行了50多例，成效良好。
重症照護平台，提早預測敗血症機率
而由北醫自行研發的「TED- ICU AI重症照護平台」，則能自動蒐集、整合、分析重症病患的生理數據，讓醫師與護理人員能即時掌握各項病歷資訊，這不但能省去醫護人員填寫資料的時間，讓醫療團隊更有效率專注於照護工作，透過大數據的分析與AI演算模型平台的建立，還可計算病人得到敗血症的機率。
陳瑞杰表示，對於加護病房內常見的幻覺性疾病「譫妄症」，也能提出預測及解決方法，達到及早發現提早給藥，舒緩病患的不安，也能降低死亡率。
智慧藥盒，安心用藥零風險
當然，AI技術運用的範圍不只限於醫院端，於病人端同樣也能得到好處。陳瑞杰說，北醫於2018年底所引進的智慧藥盒，是專門為慢性病與長者量身打造，對慢性病患或長期獨居的長者，智慧藥盒能提供很大的幫助。
北醫的智慧藥盒系統能存放400種以上不同的藥物，各自有其專屬的RFID，當機器收到病患用藥資訊之後，會將正確藥品掉落在藥盒之中，再利用影像辨識系統，依據藥品的大小、形狀、色澤與反光度等資訊進行比對後再進行包裝，接著再由專任藥師進行複驗，可達分錯藥的零風險。
智慧藥櫃，提升藥品管理效率
此外，在醫療照護方面，北醫也打造了智能藥品庫存管理系統。陳瑞杰指出，目前北醫的智慧藥櫃與自動化藥局能夠清點全院的藥物，無論是加護病房或全院一般病房內，都全面建置智慧藥櫃（ADC），能依照醫囑與藥師覆核後，給藥時由護理師直接到病房藥櫃就能取藥。
這讓取藥變得更為精準，能減少人員的疏失，讓拿錯藥的機率降低為零，同時也因為將常用的藥物做了分類，清點藥物時，也能達到百分之百的準確，庫存可降到最低，不只精簡流程，也節省了每月的盤點人力。
數位治療需達到精準預防的效果
隨著大數據的整合日趨重要，過去許多疾病必須花時間找答案，現在已能透過數位治療加以實踐，就像過去認為高血壓的藥物必須一天照三餐吃，但經過資料收整研究後發現，一天吃一顆，效果一樣好，加上不會忘記，用藥順從度提高；但是每天一次是早上或晚上吃比較好，某些藥物如中風、血壓藥，若能放在晚上吃，不僅藥量可以減少，效果也比白天吃來得好。
陳瑞杰認為，雖然目前國內人工智慧仍處於研究與開發階段，醫院端運用最多的仍在於X光影像處理與加護病房等，但要真正達到精準醫療，進而提升到預防醫學上，仍必須要收集更多的資料。
比如預測癌症的發生，必須要思考病患的基因與環境表現，他形容這兩者就像命與運；醫院端需要靠病患提供生活端的資料，唯有收集的資料正確，才能得知藥物對病患的使用效果。
而這些都是數位化與人工智慧結合後，能看到對病患端的好處，當然在醫院端方面，也因為數位化後，不只醫療供給、醫療服務或治療上都會越來越精準，再往上提升，自然就能做到精準預防。
數位孿生概念，是智慧醫療的願景
不過陳瑞杰感嘆，目前雖然科技進步，但對於人工智慧所需要的數據端資料收集與應用上，仍有很長的路要走，不僅是法規、資安、隱私等問題都有待克服。到目前為止，人工智慧在智慧醫療的應用仍限於輔助工具，如何將醫界與病患的資料作串聯與系統性的應用，仍是最大的難題。
他提及，軟體工程師、PTT創辦人杜奕瑾董事長所推行的聯邦式學習，或許是很好的思考方向，不但能將去中心化的醫療資料與數據有效串連，也能給予醫療足夠的AI資料應用，同時又能保有醫院本體的資料自主性。
此外，他認為未來人工智慧結合智慧醫療的願景，應該會朝著「數位孿生」（digital twin）的概念走，白話一點說，就是能在茫茫人海中找到跟自己很像的孿生兄弟姊妹，幫助自己看到未來的樣貌，或疾病的過程，提供自己老年後的參考。但一切都必須有數據，累積的越多，自然就更準確。
未來，人工智慧與智慧醫療結合將有無限可能，不過陳瑞杰認為現階段最重要的是，如今北醫已經將手邊的資源做最大的利用，畢竟醫院的價值與品質同樣重要，而數位化、人工智慧都是工具，用來達成全人醫療為核心的目標，如何做到「視病猶己」才是目前最需要努力的方向。
資料來源：https://udn.com/news/story/7016/5155255?fbclid=IwAR2cH3OfnaDPpuR0Y43YltxyJNcPbAxKDbMdAwCBixIemq6FfbX8vGP89dw
影像處理工程師ptt 在 [請益] 放棄影像處理會不會比較好- 看板Soft_Job 的美食出口停車場
各位前輩好
目前國立大學資工碩1
大學專題是影像處理 (C++刻Sobel、Gaussian Blur之類的在做一些後面的處理)
Lab是做影像處理跟ML
大致上都是用Python在開發
基本上遇到問題就是先Google
能用OpenCV就用OpenCV
之所以會想放棄做影像跟ML
是因為從以前到現在數學就不太行
然而影像這方面又非常的吃數學
自己腦子可能真的有甚麼問題 數學非常有障礙
這種影像 ML的工作就算自己可以撿到四大四中剩下的職缺
恐怕也會在數學上面陣亡
想請益一下 碩班這兩年是不是就把影像處理跟ML以寫完論文為最低限度
把重心拿去練C/C++、刷題或是其他路線呢?
再麻煩各位先進指點 謝謝
--
Sent from my Windows
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 58.115.224.147 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1603907086.A.499.html
也是想說不討厭就繼續做做看，但最近越來越覺得因為數學底非常差，才會覺得自己做
不來...
※ 編輯: kv553835 (101.10.60.234 臺灣), 10/29/2020 11:32:03
我是大學私立用推甄 所以推國立不難
※ 編輯: kv553835 (101.12.245.55 臺灣), 10/29/2020 13:40:11
也不是說沒興趣 就還是會卡在數學的問題上吧
跟教授討論是說 做影像真的不用數學很好
但感覺是在安慰我而已
但sobel不就X Y的遮罩convolution而已嗎..
※ 編輯: kv553835 (101.12.245.55 臺灣), 10/29/2020 20:20:50
※ 編輯: kv553835 (101.12.245.55 臺灣), 10/29/2020 20:22:41
是OpenCL嗎 native是說Sobel?
抱歉 不太懂...
※ 編輯: kv553835 (101.12.245.55 臺灣), 10/30/2020 09:55:38
還是說要練到什麼樣？
※ 編輯: kv553835 (140.121.196.88 臺灣), 10/30/2020 13:23:59
※ 編輯: kv553835 (101.10.63.58 臺灣), 10/30/2020 23:26:13
※ 編輯: kv553835 (101.10.63.58 臺灣), 10/30/2020 23:26:34
... <看更多>