智慧判讀醫療影像 AI將成醫師最強助手
- DIGITIMES企劃
-
影像檢查是醫師在診療病症時的重要依據，為提升醫療精準度，醫療產業也不斷提升各種科技。近年來AI成為全球熱門技術，在眾多應用中，影像識別是發展最迅速的領域，也因此，現在市場上已多有廠商投入AI醫療影像的發展，對此趨勢，台大醫院影像醫學部專任主治醫師暨放射線醫學會秘書長李文正指出，AI的確可協助醫師診斷病情，不過無論如何，AI只是診療過程中的工具之一，使用AI的醫師必須知道工具的能力與限制，才能完善利用其功能，提升診療品質。
醫療行為與人體安全息息相關，因此相關的技術發展未曾停歇，近年來全球產業掀起的數位化趨勢，在醫療產業早已引進並使用多年，尤其是X光、電腦斷層掃描、磁振造影等醫療影像，都早已數位化，甚至是自動輔助系統，也都有相關產品問世。不過李文正表示，目前醫界所使用的輔助系統準確度還不高，常會發現「有問題沒找到、沒問題的反而誤判」之類的狀況，這反而徒增使用困擾，AI導入提高準確度後將可解決這方面的問題。
與過去的發展方向不同，自21世紀初啟動的AI，是以機器學習為主要演算法，而機器學習中的深度學習，又是目前影像識別應用中的主流，深度學習可由大量數據中自行學習並判別出數據特徵。李文正指出，這幾年深度學習在影像識別成為顯學，無論是學界或企業界，都舉辦了各種競賽。美國史丹佛大學創立的ImageNet影像識別競賽，2012年的冠軍隊伍為加拿大多倫多大學教授Geoff Hinton領軍的研究團隊，利用深度學習的訓練模式與自動歸納技術找出特定影像，大幅提升了影像的辨識率。現已有廠商將深度學習應用於醫療領域，實際場域中已具可行性。
李文正指出，深度學習適用於癌症、骨折，這種需要透過影像判別腫瘤位置、偵測骨頭裂縫線條之類的單純、單一的識別工作，識別結果出來後，醫師再參考臨床資訊進行更深一層的鑑別診斷。就目前應用來看，AI醫療影像系統仍僅止於助手的角色。他以汽車為例，近年來ADAS已然成為各車廠的新車標配，ADAS中的車道偏移和前車碰撞等兩項警示功能，都可提醒行車狀況，不過車輛的掌控仍由駕駛人負責，而ADAS與駕駛人的關係就像AI醫療影像系統與醫師的關係，最後的決策仍以使用者為主。
對於AI醫療影像系統的應用現況，李文正坦言台灣目前仍未被醫療院所廣泛使用，原因在於醫院購置新設備的考慮面向非常廣，極少只為單一需求就採購新品。不過根據他的瞭解，多數醫師對於AI的應用都樂觀其成，尤其是人力吃緊的放射科，AI確實可以緩解沉重的工作負擔。至於部分抱持觀望態度的醫師，主要考量點是對科技業者宣稱的AI效益仍有疑慮，對此李文正則認為，醫學領域安全至上，所使用的產品都會經過嚴謹的測試，確定無虞後才會正式上路，因此問題並不大。
除了部分醫師的疑慮外，AI在醫學影像的應用要普及至醫界，李文正指出還需要克服數據庫與跨業合作兩個問題。深度學習必須透過龐大的數據量作為演算法基礎，對此台灣的醫療院所在長年經營下，都已累積了大量的影像，不過這些影像的儲存方式當年本非為了AI應用而設計，因此必須要進一步整理為深度學習可用的數據格式，才能開始啟動訓練模式。
第二個問題則是醫學與科技兩大產業的磨合。李文正指出，台灣這兩大產業的技術都居全球領先群，發展智慧醫療有相當優勢，不過醫學與科技的專業度都極高，彼此要整合並非易事。面對此一難題，目前政府與產業都已著手開始解決，科技部近年啟動了一系列計畫，加速兩邊的討論與溝通，另外醫學領域也開始有醫師投入科技研究，李文正本身除了具備醫師資格外，後來也進入台大電機工程研究所博士班就學，在擁有這兩大領域的專業知識下，成為智慧醫療最有力的推手。在醫界與科技產業的全力發展下，現在AI在醫療影像的應用，雖離實用化還有一段距離，商業模式也仍在摸索中，不過李文正指出，整體趨勢已然確立，未來發展值得樂觀期待。
