醫療AI怎麼做？中榮名譽院長陳適安：龐大算力、乾淨數據是關鍵

另外，像是AI應用場域的資安風險，也是評估的項目之一。尤其那些容易對病患生命造成影響的AI，更需要在資安保護這方面下更多功夫。

舉例來說，有AI專攻檢測生命體徵，隨時調整用藥，這類AI一旦被駭客入侵，胡亂改變劑量，就可能對病患安全造成嚴重危害。

中期：促進跨院協作

從發想到真正產出AI產品，後續就要取得TFDA的認證，才能真正在臨床使用。

過去智慧AI醫材落地的難關包含跨院驗證，能在A醫院使用的AI軟體，到了B醫院可能會派不上用場。

我在擔任台灣智慧醫療聯盟計劃主持人期間，致力於連結各大醫學中心的智慧醫療團隊，希望讓跨院驗證變得更加便利。

例如，台中榮總研發出一支AI軟體，如果其他醫院有興趣參與驗證，透過雲端分享，應用在各醫院的不同機器上，發揮所謂「聯邦學習」的精神。

廣告

尤其是大部份醫護人員關注的議題常常很類似，如果有醫院率先做出好的模型，就放在雲端，供其他醫院檢測，如此就可以減少疊床架屋的狀況。不僅能減省醫療人力，還能增進A I在不同平台的應用能力。

而要達成這個目標，其實相當仰賴友善的介面，因為並非所有醫事人員都願意投入AI研發的過程，但打造AI的人至少要讓大家一看就知道如何使用，這樣才能夠增加各醫院投入的意願。

後期：降低醫療支出

到了AI取得認證，可以思考評估醫療AI的成本效益，探討收費與健保給付，其中的關鍵在於AI是否能降低醫療費用的支出。

比如說，之前與國健署合作，篩檢上萬名65歲以上偏鄉長者的心電圖與身體數據，將數據傳輸到雲端進行AI運算，就能揪出心房顫動的潛在患者，預測精準度高達99%。

民眾一旦篩檢出心房顫動，能即時給予口服抗凝血藥劑，大幅降低患者出現中風的風險，進而降低醫療開銷，才能真正發揮AI醫療的成效。

廣告

數據、算力是決勝點

展望未來，多模態醫療AI將會愈來愈普遍，意味著AI要處理的不再僅限於文字或影像等單一的資訊，更要同時面對不同模態的資訊。但，不同模態的運算方式不同，AI也需要學會整合運算的能力，意味著醫院可能需要準備更龐大的算力。

同時，要讓不同模態的AI融會共通，另一關鍵在於數據的乾淨與可靠，這仰賴數據清理的基本功。

比如說，當數據庫有太多的極端數值，拿去餵給AI，就容易造成誤判。

或者是像數據庫當中，有兩成的數據缺乏身高資訊，出現這樣資訊缺失時，資料庫就不適合做與身高有關的醫療AI。

隨著愈來愈多醫療院所與廠商投入智慧醫療，不僅大家都已愈來愈上手，也開始共享資訊。但最重要還是要符合第一線的醫療需求，像是哪個工作一直重複出現，或是醫護最繁瑣的工作，正是投入AI的絕佳切入點。 

（雜誌原標題：醫療AI落地指南 乾淨數據是關鍵。責任編輯：池珮筑）

廣告