AI落地有助提升整體醫療品質 台廠多聚焦醫療輔助應用方案

近年AI技術、演算模型、基礎建設發展日趨蓬勃，使得各產業採用AI的比例大幅上升。DIGITIMES Research觀察，健康醫療照護產業在醫療數據快速累積的基礎上，鑒於醫護人力不足的現況與趨勢，健康醫療照護產業更願意導入AI，以提升醫療品質與效率、降低醫療成本、減輕人力負擔。

世界經濟論壇（World Economic Forum）研究指出，AI將成為2030年改變健康醫療照護產業發展的關鍵推手，包含促進健康預防、提升醫療效率及提供最適照護策略等三構面。

AI技術根據處理數據類型，大致可分為五大層面，包含時間序列與預測、圖像處理、音訊處理、自然語言處理（Natural Language Processing；NLP）與影像處理。這五大層面在健康醫療領域的應用，可從健康、醫療、照護三階段歷程，依據實際功能需求，再細分出多樣化的應用情境，以下分述說明：

時間序列與預測：時間序列數據為根據時間的前後，來標記數值的一種數據模式，例如每天血壓、血糖、睡眠記錄等資料，而預測分析則是利用資料採礦及統計模型，去分析這些時間序列數據（歷史數據），並從中抓出某些特定的模式以進行預測。

圖像處理：圖像處理分為兩個層面，一為圖像辨識，另一則為圖像生成。圖像辨識為目前AI在圖像處理較成熟的應用，在健康歷程的應用如分析食物照片中的營養成分或熱量，以協助使用者進行飲食健康管理；醫療臨床上的圖像辨識則以醫學影像的病徵辨識標註居多，包含X光、CT（電腦斷層掃描）等放射科影像的病徵註記，或病理玻片的細胞計數等，可輔助醫師提升閱片效率、降低失誤。

至於圖像生成在醫療臨床上的應用目前多屬於影像重建與優化，如利用2D骨骼放射影像進行3D重建。

音訊處理：AI在音訊處理的應用指針對各種聲音的識別及加工，包含人聲、環境音、機器聲等，在健康領域可應用於睡眠管理的鼾聲、呼吸偵測，或心理健康應用的人聲情緒辨識，加上NLP技術，可開發出輔助心理諮商的聊天機器人。

自然語言處理：自然語言處理為透過數學模型與演算法來讓機器認知、理解並運用人類語言的一種技術。在醫療領域應用範疇，NLP應用如智慧助理、文本生成、文件處理等對新藥開發，或醫療行政流程資料的建立，特別有幫助，可加快醫學文獻與藥品查找的速度，大幅縮短藥物開發流程，也有語音紀錄看診過程再自動生成病歷資料的NLP應用出現；在輔助照護應用，包含用藥紀錄、生理量測提醒等語音助理或聊天機器人，以減輕照護人員負擔。

動態影像處理：動態影像處理技術在健康領域的應用包含運動姿態甚至心率的動態偵測分析，在線上運動課程中可擔任AI虛擬教練，提供更精準的客製化訓練建議；而用於照護的動作偵測則常見於復健動作準確度的偵測分析，及跌倒等意外偵測警示。至於醫學上的AI動態影像處理應用則較常見於內視鏡手術的影像辨識、手術機器人等。

有鑑於AI/ML在醫療上的應用愈趨廣泛，歐美各國與國際組織相繼針對AI/ML醫療軟體發布相關監管規範。

美國FDA（Food and Drug Administration）於2019年即開始討論基於AI/ML醫療器材軟體的監管架構，歷時近兩年終於在2021年1月發布第一個人工智慧／機器學習演算法的軟體類醫療器材行動計畫（Artificial Intelligence and Machine Learning （AI/ML） Software as a Medical Device Action Plan），提出五項針對AI/ML醫療軟體的監管行動方針，擬建立基於產品生命週期的完整監管方式，允許AI/ML軟體可從現實世界的數據中更新演算法，同時確保患者安全。

WHO（World Health Organization，世界衛生組織）於2021年6月28日發布人工智慧於醫療領域的倫理與治理（Ethics and Governance of Artificial Intelligence for Health）指南，由20位專家花費2年的時間制定該指南，為第一份醫療照護領域的AI倫理共識報告（consensus report）。

美國FDA、加拿大衛生部（Health Canada）和英國藥品和保健品管理局（Medicines and Healthcare products Regulatory Agency；MHRA）在2021年10月共同提出10項指導原則，作為優良機器學習實踐（Good Machine Learning Practice；GMLP）與國際法規的參考指南，有助於推動發展安全、有效和高品質的AI/ML的醫療器材。

台灣AI在健康、醫療、照護三階段的應用皆有業者投入研發，目前仍以醫療階段投入的業者最多，因台灣有龐大的健保資料庫可作為AI學習演算的基礎，且各醫療院所為提升醫療效率、降低醫護人力負擔、發展精準醫學等原因，也逐漸投入AI相關研究，業者也較容易與醫院合作進行相關AI開發與臨床驗證，提高業者投入研發意願。

台灣投入醫療AI的業者包含科技大廠與新創企業已超過20家，許多科技大廠除醫療領域，亦橫跨健康歷程至健康、照護應用領域，以打造智慧大健康生態系為目標進行布局；而在健康、照護領域的AI研發也有10家以上業者投入，並積極與醫療院所、健檢機構、照護機構等場域服務業者串聯整合，以利AI演算法技術的優化與落地實踐。

DIGITIMES Research觀察，業者欲成功導入AI在健康醫療照護產業的應用，有四項原則可留意：
1. 以使用者為中心的開發模式與確效─以實際臨床需求為產品研發的出發點，進行解決需求痛點為目標的介入與研發。
2. 需具備多樣性的大數據資料─只使用某族群的數據進行演算法的訓練容易造成分析結果偏頗，需廣泛地蒐集高品質的資料，並反覆驗證，以利AI演算法可適用於各群體。
3. 有效的專家系統─意指AI產品需具備相關領域內的專家知識，尤其醫療照護過往以經驗醫學模式為主，需聆聽相關專業醫護意見，才有機會開發出符合臨床需求與具備信賴水準的AI產品。
4. 永續盈利的商業模式─欲讓AI應用確實發揮效益，達成永續循環的生態系，需足以獲利的商業模式支持。

「AI EXPO Taiwan 2023」將於2023年4月19日到21日在台北華山文創園區舉行，透過未來展場、不知講堂、超級舞台 、AI創新獎、線上影城之五大活動貫穿展會，為期三天的實體活動深入探討AI產業鏈前瞻動向，為台灣最具指標規模的AI專業展會。

欲了解更多活動詳情，請上活動官網免費報名