人工智慧視覺應用於醫療保健
科技產業資訊室 (iKnow) - JH Huang 發表於 2018年10月30日
圖、人工智慧視覺應用於醫療保健
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：
有以下4種形態的AI應用在醫療保健產業中：
- 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。
- 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。
- 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。
- 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。(1104字；圖1)
參考資料：
Deep Learning Applications in Medical Image Analysis，2017/12/29
人工智慧、機器學習與深度學習間有什麼區別?，2016/7/29
A major milestone for the treatment of eye disease，2018/8/13
Computer Vision in Healthcare – Current Applications，2018/10/26
A ranking of the 100 most promising private artificial intelligence companies in the world，2018
本站相關資料：
1.AI並非萬能，對於AI的五種迷思
2. DARPA計劃投入經費於“第三波”人工智慧研究
3.MIT新演算法快1000倍、分析3D醫學影像
4.過份追捧「人工智慧」的無所不能，將帶來危機
5. IBM的深度學習獲得重大突破，縮短時間提高效率
--------------------------------------------------------------------------------------------------------------------------------------------
【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。
|