2016年02月18日 星期四 23:57:08

掌握大中華市場脈動.亞洲專業華文生技產業月刊

2019 BIO Asia Taiwan 亞洲生技大會

Session 2《智慧醫療》AI醫療應用廣 以真實世界資料克服臨床數據隱私權問題

2019.07.24 環球生技雜誌 / 記者 吳培安

(攝影:彭定凱)

AI醫療應用廣,講者們分別分享AI應用於生技臨床開發及醫療照護系統的實例。(攝影:彭定凱)

BIO Asia-Taiwan亞洲生技大會系列活動於7月24-28日盛大展出,並於今(24)日舉辦開幕論壇。在首日議程Session 2中,以生技及醫療照護中的人工智慧(AI for Biotech & Healthcare)為題,邀請到台灣AI Labs創辦人杜奕瑾、CYTLIMIC總裁暨CEO土肥俊(Shun Doi)、阿斯特捷利康(AstraZeneca, AZ)健康資訊負責人Mishal Patel、艾昆緯(IQVIA)生物製藥整合開發解方負責人Robert Gallagher、NVIDIA AI技術中心施忠偉(Simon See)主任、新加坡南洋科技大學機械與航太工程學院Wei-Tech ANG副教授、哈佛大學醫學院暨貝斯以色列女執事醫療中心彭仲康主任蒞臨演講。

杜奕瑾表示,台灣AI Labs當前的目標集中在健康照護、智慧城市和人類溝通,他們希望透過AI結合醫療照護,達成數位醫院、生物資訊整合、AI精準醫療。實際案例包括疾病中央管制局的瘧疾診斷AI;與北醫附醫合作的AI-ICU加護病房系統,能自動預測敗血症的發生;TAIMedimg提供AI臨床診斷與台北榮總合作,打造的DeepMets腫瘤臨床判讀系統。

生物資訊整合方面,台灣AI Labs所開發出的TAIGenomics整合系統,協助了國家衛生研究院BioBank計畫,以建立臺灣醫療患者全基因體分析(GWAS)資料庫,甚至更進一步建立基因基礎表觀遺傳學Gene-based Epistasis(GenEpi)分析工具;另外,台灣AI Labs也推出醫學文獻搜尋引擎varient2literature,訓練AI閱讀並統整醫學論文。

智慧城市方面,台灣AI Labs推出Droneye,和行政院、交通部合作,利用360度視角無人機建立高品質3D空照圖,並透過AI雲端彙整進行標記,目前以台南市作為實測場域,成功建立連續、流暢的立體化城市街景。

最後是人類溝通,杜奕瑾表示,優良的語音辨識科技,可改變醫病關係,也可以在報導撰寫上派上用場,目前推出的產品是雅婷(Yating)。

阿斯特捷利康(AstraZeneca, AZ)健康資訊負責人Mishal Patel,講題為利用電子病歷(EHR)加速臨床藥物開發。Patel表示,全世界的醫療體系產生了數以百萬計的患者真實世界數據(Real world data, RWD),AZ利用這些資料改善臨床試驗的設計和研發工作。

Patel表示,全世界的醫療照護系統花費預期將在2022年達到10兆美元,而生技製藥首當其衝。AZ認為,這個時代有豐富的資料來源、核心處理系統、資料建立骨幹、AI數位技術,利用堅實的數據科學,能夠將加速將正確的療法帶給正確的病患,其中一項實例就是真實世界數據。

Patel指出,RWD分析技術能夠幫助早期發現疾病標誌適應症、改善臨床試驗設計;改良臨床劑量和試驗終點的篩選,以及產品組合(portfolios)管理。AZ現在利用這項技術管理健康照護資訊,以推動AZ的新藥開發、臨床試驗設計和管理。

RWD即是指在隨機試驗以外收集到的資料,在1863年就有的概念,例如英國的CPRD健康資料庫,蒐集了150萬人的初級醫療照護(General Practices)資料,從1980年代晚期收集至今,涵蓋了人口分布、診斷、實驗室檢測、醫療處置、觀察、生活方式資訊等,並將其與住院期間資料、疾病和致死率登錄連結。

RWD應用的實例,例如建立控制臂組(control arm),挑選臨床試驗的地區(聯合EHR的應用),更深入的了解疾病,例如慢性阻塞性肺病(COPD)的患者連結網絡,第二型糖尿病(T2D)的次分類,以及醫療影像的影像體學(Radiomics)分析。

最後,Patel指出大數據的時代也需要重視隱私性,但透過資料結構的深度學習,甚至能夠創造模擬患者資料,減少隱私權的問題。AZ預計,在兩年內,我們將可把各種資料庫相互連結,在五年以上的尺度就有機會透過演算法智慧達成數據、複雜性、可取得性的突破。

SAE及NVIDIA AI技術中心施忠偉(Simon See)主任,分享AI電腦科技對醫學影像的推動影響,其應用領域包括病理學、放射科、EHR、基因體、穿戴式裝置,而醫學影像是NVIDIA的優勢所在。

Simon See表示,深度學習已經為許多研究機構和健康產業所使用,也有許多學術發表論文,對於影像放射科的幫助很大,尤其是在早期發現和診斷、量化分析和治療規劃、後續追蹤等,也促成了學術、新創、影像儀器廠商和放射科醫療單位。Simon See接著舉出數個合作實例。

NVIDIA的專案NVAITC以深度病灶偵測為題,其挑戰在於病灶極小,目前還需要改善分辨率;和蒙納氏大學(Monash University)合作,利用捲積神經網路(CNN)創造2.5維度(2.5D)病灶偵測;和上海交通大學合作早期白血病診斷,在血液抹片中找出癌細胞。

NVIDIA也在腦神經MRI年齡評估上,和臺灣國立陽明大學合作,不過目前在模型數目上還有改進空間;和長庚大學合作的體積數據估良技術,能夠自動化分析如器官3D影像和腫瘤區塊。其他還有自動定位(automapping)克服MRI造影雜訊過多的問題;利用醫療數據生成模擬預測大腦影像腫瘤發生的位置;利用AI輔助註解(AIAA),自動為醫療影像圖做註解的技術等等。

Simon See表示,大數據的推動也帶來的運算龐大資料處理的需求,NVIDIA對此有GPU電腦運算及大量連結運算核心、Volta晶片、Tensor核心、cuTENSOR等產品,以及全世界最大的超級電腦NVIDIA DGX SATURNV,動用超過兩萬顆GPU全力協助科學平台,並利用NVIDIA建立的CLARA平台降低AI適應障礙。

文章分類 熱門焦點, 生技展即時報導 標籤: , , ,

發表迴響

Copyright© 2019 環球生技投資股份有限公司. All rights reserved.

讀者服務電話:(02)2726-1065  時間:週一 ~ 週五 9:00 ~ 18:00

服務信箱:service@gbimonthly.com

地址:110臺北市信義區松德路161號2樓之3, Taiwan