AI機器學習應用於護理體系
科技產業資訊室 (iKnow) - May 發表於 2018年8月15日
圖、AI機器學習應用於護理體系
隨著資通訊技術成熟並導入AI於醫療體系，將協助護理人員改善工作環境及服務品質。以下從三方面來看，目前護理體系智慧化的程度：
一、虛擬護士機器人
二、診療訊息記錄/獲取醫療知識/工作流程控管溝通
三、健康分析平台Health Catalyst
四、機器學習與預測
一、虛擬護士機器人
虛擬護士Molly
新創公司Sense.ly提供語音助理Molly應用於醫療保健服務，由法國的電信巨頭 Orange S.A.扶植後於2013 年成為獨立公司。就像亞馬遜的Alexa為用戶提供私人語音助理。
Molly提供醫療資訊服務，其商業模式是醫院與Sense.ly簽約並付費使用其服務。可以充當醫療服務提供病人的醫療服務諮詢。Sense.ly 平台提供遠端醫療、語音識別、擴增實境等技術。患者可以在 PC、平板或智慧手機上進行會話式詢問與 Molly 進行溝通來獲得服務。對話的內容會被 Molly 轉交給 IBM 的 Watson超級電腦，讓Watson 可在數秒之內理解消化 2 億頁的資料，再根據病人的病史提供即時建議。
軟銀機器人NAO和Pepper
Softbank Robotics開發了三種用於醫療保健行業的機器人。據該公司網站稱，機器人NAO和Pepper已經部署到零售，金融，旅遊和醫療保健行業的70個國家的2500多個公共場所。該公司聲稱機器人可以協助完成簡單的任務，例如當迎賓機器人，提供信息以及與訪客互動。
根據公司網站，NAO和Pepper機器人都具有20種語音識別功能，進行基本對話，並通過機器辨識他人的聲音。機器人的面部識別功能使他們能夠識別環境中的面部和物體。
老年照護機器人Romeo
一種140公分的類人機器人，為更深入探索老人或失去自理能力人員的照護問題而設計的。Romeo由多家法國及歐洲的實驗室和研究所合作而獲得的產物。
ROMEO開發計畫始於2009年1月，預計最遲將於2019年將Romeo部署在老人護理設施中。涉及四大主要目標：
- 打造一個可互動、開放的模組式硬體一體化及軟體平台
- 開發出一款個人助理機器人，具有監護和適應的人機互動功能
- 發展成一個適於研究的強有力平台
- 奠定機器人產業生態系統的基石
二、診療過程記錄/獲取醫療知識/工作流程控管溝通
幫助護士和其他醫療保健專業人員快速有效地記錄和獲取信息。在幫助護理人員日常工作或工作流程，並與相關人員溝通協調所需要相關信息。可以通過分析大量患者護理數據和結果來幫助醫療專業人員發現最佳診療的選擇，並且編譯成AI決策流程。
華碩推出AiNurse透過智慧醫材即時量測生理數據
華碩與IBM Watson合作推出AiNurse技術，讓機器人Zenbo具備醫療監測基本功能，使用者透過智慧醫材即時量測生理數據後，Zenbo利用AiNurse可即時判讀回覆，提供使用者一般疾病諮詢，並協助進行健康監控，讓服務場域從家庭擴及到醫療和長照機構，協助住院照護輔助到術後照護追蹤完整服務。Zenbo機器人醫療照護應用方案在台灣已至少有五家醫學中心導入採用。另外，AiNurse也可變成virtual care robots，加載在網頁或人偶上，透過文字或語音訊息傳遞就可與使用者進行互動。目前AiNurse在醫院端已整合電子病歷，協助醫護人員進行專業分工，所有量測的生理資訊已同步整合至OmniCare數據平台，透過AiNurse解決方案，可預見AI在醫療和照護的應用將啟動下一波革命。
三、健康分析平台
健康分析平台Health Catalyst
Health Catalyst開發的Health Catalyst Analytics Platform。 該分析平台從多個醫療保健機構提取數據源，並將其收集到數據庫中，以結構化方式組織進行分析，以便提供自動化使用的機會。該公司稱使用預測分析和機器學習，數據可用於衡量流程和結果，還應用於患者護理安全和減少廢物方面可以在哪些方面進行改進。
四、機器學習與預測
機器學習的預測模型Mission Health
Mission Health開發了自己的基於機器學習的預測模型，以評估患者的再入院風險，同時考慮到患者的住院時間，急診入院，合併症和急診就診（LACE指數）。Mission創建了一個分析團隊，目標是利用機器學習創建預測模型，獲得有關哪些患者可能重新入院的見解，並創建一種方法來幫助患者降低風險。
Mission使用了12個關鍵問題，以識別處於危險中的患者。還結合有其他數據來源，如臨床，財務，行政和患者體驗來創建模型。然後對數據進行訓練和測試，以確保預測模型的準確性。
認知量表Cortex軟體
Cognitive Scale開發用於醫療保健行業的Cortex軟體，可改善患者護理服務，同時增加員工生產力並降低運營成本。
Cognitive Scale的Cortex 5的技術，提供安全數據和IP資產所有權，可視覺化AI系統設計，機器學習模型生命週期優化，可解釋性，個性化，持續學習以及算法信任和保證。平台的認知引擎不斷從客戶的行為中學習（例如從點擊，喜歡，分享，交易的行為），並實時收集來自公共，私人，社交和設備數據源的數據，例如FB等。
該系統可根據患者的偏好和治療方案，通過定制護理和調度後勤來幫助改善患者體驗。
治療建議AI系統IBM Watson for Oncology
在治療建議領域，IBM Watson for Oncology是一個AI認知演算系統，為癌症提供基於證據的建議，系統認為這是最有效的。 該系統篩選了數以千計的病例和文章，並幫助醫生確定針對特定類型腫瘤的最佳治療方案。
Watson for Oncology聲稱使用自然語言處理和機器學習來處理來自多個不同數據來源，包括醫學文獻，治療指南，患者病歷，成像，實驗室和病理報告以及專家的見解。IBM聲稱使用這些數據點，該應用程序可以為患者提供治療建議。
健康提示及推薦引擎TAVIE
總部位於加拿大的360Medlink開發了TAVIE（Traitement，aidvirtuelleinfirmièreetenseignement），這是一個臨床驗證的虛擬護士平台，可作為私人和政府醫療機構內的患者的教練。
通過預先錄製的視頻，這個虛擬護士出現在智能手機屏幕，提供與艾滋病毒，糖尿病，疼痛緩解，淋巴水腫，心血管疾病，器官移植恢復和生活方式改善等特定疾病相關的醫療保健各種提示來“指導”患者，甚至情緒管理。
結語
目前，已有些醫療機構依靠機器人來幫助護士監控照護品質，甚至患者陪伴。機器人護士面臨的挑戰是缺乏參與護理職責的感知和複雜的決策能力。例如，編程以提醒患者服用藥物的機器人，需要理解為什麼患者拒絕並能做出正確的反應。另一方面，人類護士擁有豐富的經驗，知識，價值觀和能力，可以做出適當的反應和行動。總體而言，醫院可以在採用人工智慧和機器學習方面獲得各種好處，但需要了解技術的缺陷。在面對選擇技術及當前技術的局限時，醫院必須平衡其業務需求，為患者提供更好的護理並支援其醫護人員履行職責。
然而，任何一個醫療系列產品很多元且使用每個須一一經過使用驗證，而面對多面向不同種類的需求，亟需構建立一個可以同時大量測試的驗證場域。例如：透過睡眠偵測掌握呼吸睡眠狀態、感測器蒐集一天的如廁次數、自動同步量血壓、體溫、血糖生理訊息、追蹤用藥正確性與規律性等等。
我們期待在不遠的將來，可以有業者整合多方資源開始提供進行測試驗證，收集回饋數據，逐步改良優化建立產業標準，如此才有可能凝聚台灣這座科技島上的資源成為一個未來重點產業的領頭羊，搶佔全球的智慧醫療市場。(2128字；圖1)
本站相關文章：
1.智慧醫療保健產業2018年後發展五大趨勢
2. PWC：39%健康照護業者正導入AI應用
3.科技大廠整合AI決戰智慧醫院
4.人工智慧在醫療設備產業之三個新興應用
5.利用深度學習 NVIDIA尋求醫療商機
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|