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

Events | 產業脈動 2019年 Vol. 68

尊重專業 跨域溝通打破醫療×工程藩籬

2019北醫×MIT醫療數據松 跨域團隊創AI醫療新藍圖

撰文/李林璦 攝影/林嘉慶

 

9月27日至29日,臺北醫學大學與美國麻省理工學院(MIT)計算機科學與人工智慧實驗室 (CSAIL)聯合舉辦的第四屆醫療數據松(Healthcare Datathon)競賽完美落幕。本次聚焦風險預測、病程發展預測、預後預測、死亡預測四大主題,來自全世界九個國家,共計34位導師,與超過100位參賽者,一同在3天2夜中不斷電地針對醫療大數據應用腦力激盪。

v68活動-北醫數據松1

由成大醫院放射腫瘤科醫師郭瑾帶領的團隊以「AI輔助醫療影像檢傷應用」, 勇奪第一名。

 


 

《經濟學人(The Economist)》曾指出,世界上最寶貴的資源不再是石油,而是數據。

臺北醫學大學醫學科技學院院長暨特聘教授李友專表示,近幾年興起「第三波人工智慧(AI)革命」,AI已經能夠進行高度複雜的運算,並擁有自我學習的能力,導致這波革命的一大關鍵,正是隨著網際網路普及蒐集來的「大數據」。

「但根據最近的趨勢,我們發現數據的蒐集已經不再是困難,反倒是蒐集了資料卻不知道如何使用。因此,現在更重要的挑戰是『如何應用醫療大數據』,所以這屆我們將名稱改為『數據松』(Datathon),專注探討大數據的應用。」李友專強調。

 

實現醫療AI精準預測 聚焦四大主題

此屆醫療數據松共計頒發21萬元獎金,各隊參賽人員來自不同領域,在短時間內組成團隊,激盪出臨床應用之智慧解方。並邀請MIT遠距行動健康照護團隊聯合總監Kenneth E. Paik、美國麻州總醫院呼吸與重症醫學科醫師Peggy S. Lai、波士頓科技創投MassVentures 副總裁Jennifer Jordan、以色列知名新創業師Rani Shifron、英科智能臺灣區執行長Artur Kadurin等國際業師擔任導師,協助參賽者聚焦問題。

主辦單位提供來自哈佛醫學院主要教學醫院貝斯以色列女執事醫療中心(Beth Israel Deaconess Medical Center, BIDMC)的MIMIC III加護病房資料庫,以及飛利浦公司提供的eICU資料庫。李友專表示,MIMIC是該醫院蒐集了十多年、項目相當詳細的資料庫,甚至連病人每分每秒的心電圖資料都記錄了下來,堪稱是全世界最大的加護病房資料庫。而eICU則包括歐美各國將近20萬個病人的加護病房資料,病人數目非常龐大。透過分析急重症醫療數據庫,供參賽者進行四大方向預測,包含風險、病程發展、預後、死亡,並依此發展更準確、個人化的AI醫療預測模型。

v68活動-北醫數據松2

第四屆醫療數據松在連續三天兩夜跨領域、跨世代、國際化的腦力激盪中,產生全新火花。

 

「AI輔助醫療影像檢傷應用」 兼顧醫學緊急程度與病患權益

勇奪第一名的「AI輔助醫療影像檢傷應用」,由成大醫院放射腫瘤科醫師郭瑾帶領。透過電腦斷層血管攝影術的數據,利用AI針對無症狀的致命疾病進行初步診斷,例如肺栓塞,並告知醫師高風險之患者,避免延遲診斷,期盼降低死亡率。

睿傳數據 AI 工程師黃人萱表示,一開始訓練的模型準確率異常高,經業師指導後,發現原來有三大數據洩漏(Data Leakage)的問題,才讓模型有作弊的機會。除此之外,業師也協助定義並聚焦使用者需求。臺灣人工智慧學校的AI工程師蔡育儒也認同,許多國內外、來自不同領域的業師,在過程中都能以自身經驗從不同角度提供專業見解,讓預測模型更面面俱到。

郭瑾指出,醫生常遇到患者看診優先次序問題,緊急狀況下需要優先處理後到的患者,以工程師的角度來看,排程順序僅是一個個的程式,但從醫師的角度,卻牽涉到病患的權益。只有在雙方的跨域激盪下,才能相互了解,一同打造同時考量醫學上的緊急程度與等候時間雙重因子的解決方案。

奇美醫院藥劑師呂宛蓉觀察,目前的AI系統大多數應用於診斷或預測疾病,有了這次經驗後,期盼未來能開發與老年人居家用藥安全相關的智慧系統,以面對即將到來的高齡化社會。

 

「腦出血病人腦部開刀AI輔助決策系統」 預測顱內出血患者最適手術治療方案

由奇美老年醫學科醫師黃建程帶領的團隊以「腦出血病人腦部開刀AI輔助決策系統」榮獲第二名。期望用AI預測顱內出血患者最適當的腦部手術治療方案,盼能減少手術前的評估時間、降低誤診率、改善預後。

作大數據健保資料庫起家的黃建程指出,「大數據是AI的基礎」,擁有廣大的基礎數據,才能打造更完整的AI系統;來自臺灣人工智慧學校的陳在民也認同,現在大部分的人會偏誤在自己領域上,以單方面角度思考,而當遇到建構AI時,必須站在更高的制高點上,才能統整性、全局性的判斷。

團隊也提出,在過程中最大的挑戰還是對MIMIC資料庫不夠熟悉,因此搜尋資料屢次受阻,好在有業師提供以前做過的指令基礎,讓大家站在巨人的肩膀上,能更快實踐開發AI預測模型。

除此之外,中研院生物醫學研究所吳致勳博士也表示,能在短時間內完成產品,是由於醫療數據松將各個不同領域的成員匯聚在同一組,可以相互補足自身不擅長的部分,獲得全新不同的視野。黃建程認為,尊重各領域專業,分工合作,充分的傾聽與溝通就是跨領域合作的最好模式。

 

>>本文節錄自《環球生技月刊》Vol. 68

文章分類 產業風雲 標籤: , , , ,

發表迴響

Copyright© 2020 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:[email protected]

地址:110臺北市信義區松德路161號2樓之3, Taiwan