【AI60問】Q59人工智慧在10大醫療健康的應用？

AI目前在醫療領域的發展讓人都感到很驚奇，有許多AI技術不只簡化患者的就醫流程，更顛覆以往醫師的工作流程。如今我們走進醫院，在科技發展下，醫療品質及效率都有明顯提升。

不再是過往的檢查步驟、領藥流程、等待病房，而是可以自己使用掛號系統、領取處方籤；也可以自己使用生理量機測量心跳及血壓。醫護人員也能從平板上，觀看患者的歷史就診紀錄；領藥更是準確投藥，提升效率與醫療安全。

2019年是「智慧醫療」的爆發元年，所有IT大廠開始將醫療產業定為策略發展重點，也在2018年底生策會理事改選中看見，有多家電子產業參與，包含：廣達、鴻海、緯創、可成、佳世達、研華…等。美國也在同年6月底有將近60家公司上市，有一家叫做Adaptive Biotechnologics 利用AI提高藥物療效、診斷免疫相關疾病，上市當天股價上漲100%，市值超過10億美元。

而不論智慧醫療是哪個面向，都不脫離「智慧本質」，是透過科技強化醫病溝通、提升醫療照顧聘職，並用更低的成本來治療、預防疾病。

而目前調查也發現AI在提高一線臨床醫師工作效率上創早很高的價值，但在臨床決策、改善預防方面的應用卻比較少見，真正落實到臨床的應用更少，

以下為目前最有前景的AI醫療應用：

【推薦學習】

2020年10大AI醫療新聞

英政府砸150萬英鎊開發AI疫苗副作用管理工具：英國醫藥保健管理局 (MHRA) 向英國軟體公司Genpact UK開價150萬英鎊，合作開發用於篩查新冠疫苗副作用的AI工具。

AI胸部X光判讀迅速分辨疑似新冠病例：英國behold.ai 宣佈開發出運用AI判讀胸部X光影像，幫助快篩COVID-19病人的技術，運用分辨成本較低、較普及的胸部X光影像，達到此項技術。

AI數據分析幫助遠距醫療：在美國醫療保健資訊與管理系統協會年會 (HIMSS20) 中，Google Cloud、語音辨識公司 Nuance Communications、健康數據分析研究所 (Health Data Analytics Institute)…等公司領導人，都分享要如何將AI應用在遠距醫療中的數據管理，或如何以機器學習技術，幫助受困於財務問題的醫院優化業務。

微軟投入5年4千萬「AI for Health」計畫：啟動為期5年計畫，幫助全球醫療機構加速醫學研究、增進疾病預防，並減少醫療資源分布不均現象。

AI改變臨床決策輔助：若結合機器學習、神經網路和最新演算法，可幫助解決更多問題。

Jvion開發AI地圖分析病毒傳播與社會因素關聯：開發互動式的地圖工具「COVID Community Vulnerability Map」，可幫助追蹤疾病的傳播。

AI工具應用不可忽視種族差距：根據期刊《Journal of the American Medical Informatics Association》的文章顯示，因為醫療資源分配的問題，目前針對COVID-19的流行病學統計，在各種族間仍存在落差，而此落差會導致運用這些數據訓練出的AI工具，應用於部分種族時會變得不精準。

醫療AI文獻破10萬篇近年爆發成長：PubMed上已有超過1萬2千運用深度學習技術的醫療保健學術論文，更有超過5萬篇機器學習相關文獻，與AI有關的文獻已超過10萬篇，且多數都於近年發表。

發揮醫療AI潛力應從行政、財務、營運、臨床整合做起：美國醫院協會 (American Hospital Association) 的人力規劃趨勢報告指出，遠距醫療和AI可幫助醫療衛生系統解決人力短缺的問題。

梅奧診所積極開發ECG、病理影像AI診斷工具：將診所創立以來超過3千萬張病理切片影像數位化，開發相關演算法；透過12導極心電圖(ECG)數據，開發遠端診斷心臟疾病的工具等。

應用實例

1、放射學科

AI能快速準確地標記放射科醫師註釋的特定異常狀況，證明AI有提高圖像分析效率的能⼒。

紐約大學Langone衞生研究所2011年的研究發現，這類型的自動分析可在胸部CT圖像上找到並匹配特定的肺結節，且速度比放射科醫師快62％-97％。也有研究結果顯示，AI生成的圖像分析效率可爲放射科醫師提供更多的時間，他們可以更專注在需要更多解釋或判斷的病例。

2、手術機器人

在骨科手術中，AI輔助機器人可以分析術前醫療紀錄中的數據，好讓手術過程中能直接指導外科醫師操作，用來自實際手術經驗的數據，告知醫師最新的技術為何。

有一項研究發現，針對9個手術部位的379名骨科患者，與外科醫師單獨手術相比，由Mazor Robotics創建的AI輔助機器人技術使手術併發症減少5倍。AI輔助機器人手術可減少併發症和錯誤處理，使患者術後的住院時間縮短21%。

3、降低劑量誤差率

AI技術也可用於應對需要昂貴代價的劑量誤差問題。

2016年加利福尼亞州的⼀項開創性試驗中，在AI幫助下開發的數學公式可以計算病患某個器官的免疫抑制藥物劑量。確定劑量傳統上取決於指導方針和醫師經驗的結合，並且劑量誤差佔所有可預防醫學過失的37％。雖然這是新的AI技術類型，但正確的劑量能確保器官移植後不被排斥，這是相當重要的指標。

4、輔助診斷

AI輔助臨床判斷或診斷仍處於起步階段。

2017年斯坦福大學比較21位皮膚科醫師和AI演算法識別皮膚癌的能⼒，如：Nature雜誌報導，AI演算法能夠與所有測試過的專家⼀致，對皮膚癌進行分類，並具有與皮膚科醫師相當的能⼒。

5、虛擬護理

AI虛擬護理在照顧病患方面有極大的潛力。

如：美國舊金山UCSF和英國的NHS正在使用的Sensely的Molly，就是由AI驅動與病患互動交流的護士圖像。他可以詢問病患的健康狀況，評估他們的症狀，指導他們到最有效的護理環境。目前估計，由AI支持的虛擬護理每年可節省護理師花費在患者護理任務上的20％時間。

6、優化工作流程

AI 能幫助醫療保健行業解決昂貴的後台問題和工作效率。

護理師工作的⼀般時間（51%）、醫師工作的近1/5（16%）都花費在與病患護理無關的業務上。

而AI技術，如：語音到文字的轉錄、編寫圖標筆記、填寫處方、訂購試劑…等可優化管理工作流程，也可避免與醫療無關的不必要業務。

7、詐欺識別

錯誤和詐欺對於醫療保健機構和保險公司來説都是相當棘手的問題。

一般來說，詐欺檢測依賴於電腦作業（基於規則）和人工審查的醫學索賠相結合。這是個相當很耗時的過程，取決於在事件發生後能迅速發現異常情況並進行干涉。

健康保險公司會試驗AI的數據挖掘，並結合AI的神經網路（模仿人腦的過程），好搜尋與醫療報銷詐欺相關的醫療保險索賠。估計AI可以提高醫療保險索賠中詐欺檢測的速度和準確性。

8、網路安全

在過去幾年中WannaCry或Petya…等數據洩露事件中發現，網路安全成為醫療保健機構的⼀個主要重點。

估計醫療保健違規行爲導致爲每條患者記錄花費380美元。AI監控和檢測可以減少健康記錄漏洞，及與專有數據的異常互動。

根據勤業眾信報告《2020 醫療照護產業展望》顯示，科技正加速醫療照護產業的改革，尤其是大數據與AI、物聯網裝置、醫療資料互通與醫療場域去中心化等顛覆性趨勢，「正全面翻轉這個高度專業且嚴謹保守的產業。」

智慧醫療將影響六大領域，包含：慢性病管理、自主管理與疾病預防、疾病診斷、診斷分流、臨床決策支援、照護服務。不只能改善醫療成效、病患經驗，使醫療服務更優質，提升醫護體系的效能，照顧更多病患，也能避免醫護人員過勞。

AI醫療趨勢

1、機器人使用率提升

機器人可以提高醫療生產力及減少常規的錯誤，帶來醫病品質的提升。根據Research & Marketing 研究，醫療機器人市場年複合增長率為21%，2021年可達到129億美元規模。

2、遠距醫療需求持續增加

醫療資源的缺乏及病患與醫師間的距離，時常導致問題發生，而遠距醫療就是彌補這個缺口的方法。對於某些可以直接使用遠距醫療看診的病例，也可以降低病患的不變，提升整體醫療效率。

3、穿戴式裝置持續爆發

穿戴式裝置可提早得知病狀的發生，以達到預防醫療的效果。根據Gartner研究，穿戴式裝置市場約以17%年複合成長率成長，2021年預計銷售5億個單位。

4、區塊鏈可解決健康數據安全的隱憂

未來數據共享是重要的一環，但也會擔心暴露資料、數據洩漏的狀況，而區塊鏈可能可以解決這個問題。IBM、英特爾、Google等大廠都開始投入區塊鏈醫療保健產品的開發。

醫療的需求永遠都在，只是要使用不同方式來回應顧客需求。希望能做到比以往更高級、更好的醫療精準度及照顧。