【資料科學講座】全球AI醫療應用趨勢漫談—AI醫療產業案例分享

by 管理者
【資料科學講座】全球AI醫療應用趨勢漫談—AI醫療產業案例分享

過去需要許多人力介入的醫療照護工作,例如病人醫生之間的醫療照護行為以及醫院的管理,藉由AI可把他簡化,省下時間也省下了一定比例的成本。

這場講座從微觀的基因密碼診斷應用,延伸到宏觀的手術機器人,以及醫院如何做到最大化的管理效率,並分享全球知名AI醫療產業案例發展狀況,作為未來投入醫療AI產業的借鏡。

以下為分享6月技術者直播小聚的筆記,由黃柏榮院長所主講。院長曾於美國紐約哥倫比亞大學附屬醫院進行外科訓練、並於哈佛大學 Faulkner Hospital, Breast Center, &BWH (Brigham Women Hospital) 醫院醫學影像部進行博士後研究。

院長的興趣主題:檢驗試劑 臨床試驗、醫材(影像、手術 )專利研發、新藥物開發、 細胞治療 臨床應用、Big Data IT & AI 醫學應用、推廣中醫 AI 及科技化。


人工智慧在醫療照護上的應用指日可待

過去需要許多人類介入的醫療照護工作,如病人醫生之間的醫療照護行為、醫院管理,藉由AI可以精簡化、省下時間跟成本。之前國際預測2016年有6億美元以上市場規模,到今天則預測2026年,會達到1500億美元的經濟規模。

AI Applications in Healthcare:院長從小到基因密碼的診斷,到最宏觀的手術機器人,談談AI的出現成為醫療產業的恩典,藉由五個單元(AI 精準診斷、AI 新藥開發、AI 醫療管理、AI 醫療決策、AI 手術機器人),談全球部分知名AI醫療產業案例發展之狀況。

一、AI 精準診斷:

如何使用AI工具減少錯誤?2015年,美國至少有10%的死亡是醫療失誤,如何真正用AI來改善醫療,保護病人安全?我們能使用AI model,用AI model 對乳癌來說,可以超過11個病理科醫生。

以下 3個AI 精準診斷例子,幫助你了解。


例1:Freenome 癌症早期診斷

抽血檢驗值都搜集起來,去醫院做的生化檢驗、身體健康檢查都收集,重點是有基因密碼,在DNA階段做不少努力,腫瘤科醫生用Freenome做綜合性判斷跟診斷,預測你有沒有大腸直腸癌風險存在。

【補充資訊】致癌前就成功篩檢?癌症液態切片的趨勢與挑戰!—專訪Freenome技術長

可能是顯示的文字是「「 r Spot the pattern. Treat the cancer. r ュ こ c J 3 「」的圖像
圖片來源:Freenome 臉書

例2:BIDMC(Beth Israel Deaconess Medical Center)

Diagnosing Deadly Blood Diseases Faster

哈佛大學很早跟MIT合作,找抗原抗體反應、血中病人數據,是否有其他敗血症可能。以醫院角度來看在另一個領域每一種檢測應用領域,都有專注疾病。研究者使用AI ,來知道住在加護病房或抽血的病人是否有敗血症風險。

圖片來源:BIDMC臉書

例3:Zebra Medical Vision(以色列)

AI-Powered Radiology Assistant

放射科影像學診斷方式,帶回台灣,它在放射科領域是相當有名的軟件。大多數的肺癌、腦部疾病、骨折…等,Zebra都有投入大量心血,做醫療影像。

可能是顯示的文字是「 zebra medical VISION RANSFORMING PATIENT CARE WITH THE POWER OF AI 」的圖像
圖片來源:Zebra Medical Vision 臉書

2、AI新藥開發:

新藥開發是很大的領域,AI使用的產值越來越快,市值超過26億美金開發新藥,卻只有一成成功帶回市場。用藥產業的產值跟投入成本都很大,但經由AI可以改善。

  • Adam—從data中挖出酵母菌基因
  • Eve—機器人軟件,牙膏成份可以治療某種寄生蟲疾病

分享3個在新藥開發的AI案例。


例1:BioXcel Therapeutics

AI In Biopharmaceutical Development

AI新藥在免疫、腫瘤治療、神經學,所有藥物去收集,去看哪些臨床實驗正在用把它丟到database來訓練。

生物性製藥、生物性的製劑,很多科學家不管哪種論文發表,回到這邊建立資料庫,找到免疫治療癌症、神經學的結果,走出藥界,找出生物路徑提供給藥廠。

BioXcel Therapeutics Reports Second Quarter 2018 Financial Results and  Provides Business Update :: BioXcel Therapeutics, Inc. (BTAI)
圖片來源:BioXcel 官網

例2:XtalPi 化學結構式分子的篩選平台

AI, Cloud-based Digital Drug Discovery

做好的藥物,降低血壓、就要叫小分子化學藥,把各種化學式大的資料庫,醫藥化學家過去要用人工方法,找有機的化學結構式,現在可以用快速方法找有潛力的藥物,未來可以挑選。

圖片來源:XtalPi 官網

例3:BenevolentAI

Deep Learning For Targeted Treatment

不是純粹做小分子跟生物,很有趣把所有生理現象原理、研究整理成資料庫,會做成圖像的model,告訴你藥物開發者、糖尿病、腎臟生理性變化,做給開發藥物的人,加速他們挑選候選藥物的時間。

RN、AZ 都有跟他們合作「慢性腎臟疾病」,常用的代謝,慢性腎衰竭其實沒有藥,只能吃類固醇,但AZ合作可以找到幾個對腎臟病理學找到比較好的路徑。

圖片來源:BenevolentAI

3、AI醫療管理:

醫療管理當時發現現在病人對醫院管理會注重工作流程,有人做過統計2016年,96%對醫院不滿意,客戶服務不好、paper work太多、前台作業服務態度差,但透過AI導入,可以讓溝通更好,確實會減少很多客戶不滿意,所以資訊要透明。

以下是4個較好的解決案例。


例1:Olive

Automating Healthcare’s Most Repetitive Processes

醫療管理公司,增加醫院醫療管理。

讓繁瑣工作流程,經由AI導入,是不是不用醫生或行政人員重複,只要有好的資訊平台可以預測,讓一些事情簡化、精準,完整資訊系統導入、bid data讓管理階層知道「如何自動化工作流程」,類似醫料界的ERP,把大多數重複性動作做成儀表板功能,讓管理者在大階段發現,病人出院手續、急診流程、開刀房管理…等,把資訊收集,讓AI知道未來可如何變化。

強調他的AI 改善行政工作流程、預測病人行為模式、管理階級改善模式。

Olive's AI Workforce to Revolutionize COVID-19 Testing at Tufts Medical  Center – TechOhio
圖片來源:Olive 官網

例2:Qventus

Real-time Patient Flow Optimization

讓工作流程更優化,在2019年得獎,讓自動化、病人安全,在開刀房,對開刀系統流程、減少錯誤有一定特殊性,有很多AI、平台幫助醫生看病流程優化、還有專家系統的輔助。

知道病人住院幾天、要做什麼檢查,以前都有決策樹,慢慢的從過去經驗,看未來是否要改善跟優化,雖然決策樹是很重要的一塊,但 AI可以幫助未來。

Qventus Makes Promise of AI Real, Extends Platform to the OR | Qventus, Inc.
圖片來源:Qventus 官網

例3:Babylon(紐約發明、英國成名)

Increasing Access To Healthcare

居家醫療,讓我們使用者有好的app,可以有對話框機器人詢問症狀。

英國政府有公醫保險卡,可以直接連結哪些醫生可以照顧你,你的問題可以透過app幫你處理。因為英國是公醫系統,可以很快連結、就近最能整治的醫生在哪,台灣健保也很適合。

美國很麻煩是因為各州政府保險都不同,也不是政府主辦、有預算但不同體系公司,所以比較難在完整公醫體系下成功,是國家的醫療管理模式不一樣。

Babylon Health hits back at claims its AI isn't up to the job
圖片來源:Babylon 官網

例4:Cleveland Clinic

Personalized Healthcare Plans With AI

全美前10名好的醫療機構,很早就應用在大數據,把所有id 導入到史丹佛的ColudMedx,讓病人照顧病例都電子化,在你的app上會推播什麼時候抽血、大腸鏡,可以主動關心跟管理,很多醫學中心都以他們為目標跟規範。

圖片來源:Cleveland Clinic

4、AI醫療決策:

若一個決策錯誤,對病人資訊沒有透明、更新,大概每年會損失100 billion。


例1:Tempus

a Massive Data Library For Personalized Health

同質性,如何應用在Healthcare產業?

電子病例較完善,病人財務狀況、保險機制、看病行為都收集,把全部都整合,把所有AI energy 產出對病人疾病的預防提出宣告。不是單純的病理、基因,把這些臨床資訊都整合到病人財務能力、看病行為都放一起。

【補充資訊】Tempus 攜手 Janssen!盼加速腫瘤臨床試驗

圖片來源:Tempus 官網

例2:Proscia(費城)

Looking At The Data Behind The Medical Image

用AI 不只看病理科的片子,範圍更大,可以建整個病理科的數位化系統。

醫生要看病理,在顯微鏡下,結合腫瘤標記,但Proscia把這個workflow都建置,只要數據進來,把玻片照相品質、分類、需要相機等級、光學都注意,更大的管理系統,病理科整合資料庫(只要有足夠放射科影像系統),兩個系統整併。要有很大的big data支撐,對病理判讀,可以預測這樣的玻片可能長成怎樣的癌症、是否變成癌症。

圖片來源:Proscia

例3:IBM Watson

IBM Watson’s Side Gig Helping Hospitals

有人說成功、有人說失敗,業界很多風聲說這個沒賺錢、虧本,但到2021年仍有很多新資訊,所以 IBM還在猶豫。但在醫療管理、疾病、基因、影像都有下很大功夫。

【補充資訊】IBM 大名鼎鼎的 Watson 也要被賣了,人類的 AI 夢該醒了?

圖片來源:IBM Watson

5、AI手術機器人:

例1:Auris Health

AI Robots Revolutionizing Endoscopyy

氣管鏡

像玩xbox,危險手術的氣管鏡要到肺部穿刺、要停止,有很多過去臨床資訊,會讓你知道在哪些路徑(有GPS),管鏡進入肺,哪個肺葉、哪個小葉的側支的小支氣管比較不會危險,能穿刺到你要的目標區,精細的整合路徑,預測、建議你怎麼走比較好、才能穿到你要的腫瘤。

圖片來源:Auris Health 官網

例2:Accuray

Precision Robotic Treatment For Treating Cancer

放腫科機器人

資料庫在放射腫瘤科很有名、在台灣大醫學中心也都有研究,Accuray 軟體跟過去20年經驗,做放射計畫更精準。大型設備機器人、擺哪些位子有很好的預測,每個範圍給的劑量,不傷害其他器官。

圖片來源:Accuray 官網

例3:Intuitive

Pioneering Robotic Surgery

達文西電腦手術機器人

一直在改良,超過18年歷史,現在五、六代。各種腫瘤開法都有,貢獻很多資料,還是要醫生控制,但可以幫助醫生用VR、某些情境給你很好的開刀建議、預測、風險評估。

圖片來源:Intuitive 官網

在直播中,院長分享32個全球案例,以上筆記其中的16個案例。

Q&A時間

Q1:AI 協助醫療在轉型上最大挑戰是什麼?想投入這樣領域的學習者,可往哪些面向前進?

Q2:請教目前 AI 診斷醫療責任歸屬的發展方向。

提問原由:因為AI診斷正確率可預見將會優於人工,但錯誤發生時責任歸屬會是較大爭議跟患者對於AI醫療接受度的問題,故請教此問題,感謝。

Q3:由於醫療決策的自由度,造成醫院收集數據的異質性。想請教醫院如何收集數據,來維持資料的優良品質?

Q4、剛剛有一部分是在介紹醫療管理,不過我很好奇要如何去define一個流程是好的?而在過去是使用Decision tree去做prediction,那這幾年是使用DNN還是會改用RL去做呢?

Q5:認為AI輔助醫療診斷後,對未來醫學教育的影響?是否會造成依賴AI呢?

想知道未公開的16個案例及院長的回答嗎?點選下方課程,即可觀看更多哦!

【資料科學講座】全球AI醫療應用趨勢漫談—AI醫療產業案例分享

每月的【直播小聚】會分享AI 與各產業相關應用案例,不想錯過就立即註冊TibaMe會員,訂閱電子報,即時關注我們的資訊,給你第一手的科技新知!

點我註冊TibaMe會員

分享這篇文章:
0 comment
2

您也許會喜歡

Leave a Comment

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料