當醫院遇上數位創新 產、官、學、研跨域交流 開展智能醫療新契機

隨電腦運算效能與成像技術不斷提升，全球生、醫、藥、科技界皆積極嘗試運用大數據、深度學習等模式，探索智能醫療潛力。爲加速國內數位新創在醫療領域的應用，財團法人生物技術開發中心與馬偕醫學院日前共同舉辦【台灣數位醫療新創與醫院的對談分享】活動，邀請關注數位醫療發展的產、官、學、研、及投資者齊聚對話，探討如何促進智能醫療創新，搶得市場先機。

臨床醫療人員角色翻轉 從技術使用者成創新主導者

馬偕醫院近年積極推動生醫發展，副院長張文瀚表示，智能醫療時代醫師角色翻轉，應更主動串連技術研發者，找出醫療現場潛藏的困難與機會。副院長葉宏一也認為，智能醫療已進入戰國時代，醫療端與技術端需持續交流、碰撞，才能激發突破性的創新。

林口外傷急診科醫師廖建宏團隊利用累積十年、近三萬張骨折影像檢查資料，透過深度學習，建立高死亡風險影像偵測系統。過去醫事人員花三小時以上判讀的資訊，現三至五分鐘就能完成，準確度更達到九十六%。

台大眼科部醫師黃宇軒本身具資工背景，近年將「擴增實境」技術引入白內障手術設備，醫師可在術中同時看到路徑建議、病患眼部數據，有助提高手術成功率與預後，目前已應用在年輕醫師的手術模擬訓練上。

馬偕醫院腎臟科醫師林承叡，則透過院內透析病患的大數據，找出低血壓的發生模式，未來若病患在洗腎過程中的生理數值出現類似變化，就能提前預警，介入處置。

資料經濟時代，掌握高質量、關鍵性大數據成致勝關鍵

不論是影像診斷、病歷判讀等技術，能否獲得質量高（準確性高、編碼邏輯清晰）的數據資料，加快運算分析速度，往往是決定深度學習成果的重要關鍵。

美國人工智慧處理器大廠「Nvidia」工程師劉冠良分享旗下GPU 強大的運算能力，已可同時加速AI訓練與推論階段，在短時間內針對巨量資料進行深度學習。Nvidia近年積極跨足醫療領域，便運用此系統協助醫療團隊，建立可用的決策模型。

在影像資料收集上，過去病理組織攝影因以2D成像再透過疊圖整合，訊息量有限，導致醫療人員判斷產生歧異。「BraiM」共同創辦人江維元分享團隊創新，利用進階光學技術做病理組織3D立體、深度攝影，可提高初級資料的質量、縮短資料再處理時間。

醫學出身轉戰人工智慧領域的長佳智能黃宗祺博士提醒，除了與科技端合作，醫療端也得思考如何在資料收集的初始階段就建立適用的編碼（label），減少日後重建資料的人力成本。

醫療始於人性 應保持敏捷彈性、以使用者為中心

長期專研資料科學的台大復健科醫師吳沛燊則呼籲，資料的永續與正確性取決於病人，病患黏著度愈高，資料來源愈能永續。了解病患的心理與行為模式，也有助於收集到更有信、效度的資料。

智能醫療研發成本高，與會者也關心智能醫療的獲利、營運模式。貝克生醫執行長張維哲建議放眼國際市場、並尋找廠商成為策略聯盟。吳沛燊則認為，保持彈性勿太早鎖定一項關鍵技術，可避免競爭對手一旦技術超前，就前功盡棄。黃宗祺則認為，面對激烈競爭，速度快、切中需求最重要。可走授權模式，將技術放到市場上，自然會有人透過此技術找到獲利模式。

人工智能帶來巨大變革，國內的法規與政策環境也得與時俱進。因國內醫療產品臨床實驗流程繁複，加上主管機關對AI醫療較陌生，送審時間十分冗長，困擾許多新創團隊。有些團隊轉向送審法令較完備的美國FDA，待取得核准後，再以此為依據爭取國內資金與主管機關的審核驗證。也有人建議，先避開最嚴格的醫療項目，先從產品「保健」、「教育訓練」的應用著手，分階段送審。

但最終與會者仍期盼政府加快建置更完備的政策環境，在把關品質與安全同時，提供產業創新合理、寬鬆的空間，在智能醫療之路闊步邁進。