2021年3月19日 星期五

.人工智慧顛覆醫療行業嗎?

Is this the future of health? 

這是健康的未來嗎?



來源: 千家網


從1960年代初,學術界陸續展開對於人工智慧的研究,一直到目前的機器學習、深度學習等觀念,所帶來的第三波人工智慧浪潮。


對於醫療領域來說,在 1970 年代初期,人工智慧就已經被應用在各項檢查,例如根據血液檢查的結果,來發現患者的感染性血液疾病,並且延伸出輔助醫療者判斷,採用何種抗生藥物來成功的醫治,比起過去所採用的經驗法則,大大的提升對於感染性疾病的判斷準確性。


透過人工智慧技術的力量,可以達到一瞬間完成檢驗

直到最近,透過深度學習技術的能力,大幅度提升影像辨識正確性,舉例來說,透過 X 光攝影(X-ray photography)、電腦斷層掃描(Computed Tomography)、核磁共振(Magnetic Resonance Imaging),以及細胞檢查(Cytodiagnosi)等檢測設備,能夠從潰瘍的發現、腫瘤增大的結果,來發現身體的異常狀態。


而這些檢查過程與發現,已經從過去需要耗費 10 多天,一直到透過人工智慧技術的力量,可以達到一瞬間完成檢驗。


相信可以預見在不久的未來,醫學領域也將出現相當具規模的醫療變革(圖一、圖二、圖三)。對於疾病的診斷方面,以目前較簡單的方面來說,已經能夠透過類似建議協助的人工智慧來進行,例如,可以經由在具有醫療性質人工智慧的設備中輸入問診和檢查結果,來獲得類似診斷的建議內容。


blob.png
圖一  1960年代初,學術界陸續展開對於人工智能的研究。


blob.png
圖二  伴隨辨識技術提升,醫學領域也將出現大模的醫療變革(A


blob.png
圖三  伴隨辨識技術提升,醫學領域也將出現大模的醫療變革(B



和人類一樣,醫療領域的人工智慧也是需要經過一定程度的學習,才能夠產生對於事物判斷的能力,應用了學習而來的技術,可以從拍攝的醫療影像中發現病變結果,再加上患者的症狀、基因組體數據後,進而可以分析出初步的診斷結果。


日本透過政策計劃推動人工智慧在醫療領域的應用

因此,對於人工智慧在醫療領域的應用方面,日本也從政府階層開始進行計劃性地推動,在 2016 年 11 月,日本政府所召開的第 2 屆未來投資會議上,前首相安倍晉三就明確的宣示,大數據(Big Data)與人工智慧,將會在預防、健康管理,以及遠端醫療方面進行最大程度的應用,來實現高醫療品質,將人工智慧導入日本醫療體系之中,並且日本厚生勞動省也開始著手規劃一系列相關的政策,來因應人工智慧醫療時代的來臨,包括醫療費用的修正、採用人工智慧醫療的激勵措施等等,並且在 2020 年全面實施與推動人工智慧醫療制度。


為了達到在醫療領域更高度應用人工智慧能力,高度完整且安全數據庫的整建,絕對有其必要性,在這方面,日本政府開始整合和建立了,包括電子病歷卡、健康檢查數據、醫療、照護的收據憑證數據等,一元化系統數據庫,來做為跨入次時代健康管理系統架構下,提供更好醫療品質的第一步(圖四)。


blob.png
圖四: 日本政府正進行規劃的患者資訊數據數據庫概念圖


被稱為 PeOPLe 的人工智慧醫療管理系統,已經開始整合與保存日本各醫療機關裡每一位患者的醫療診斷紀錄,並且授予每個患者辨識編號(醫療 ID),除了方便保存與管理醫療數據之外,並且也將患者在不同醫療單位就醫的數據,予以統一保存管理,在未來就診時,醫療人員可以從數據庫中,讀取患者過去完整的就診數據與各種檢查報告。


醫療人員方面,在未來也將統一在 PeOPLe 中,記錄每一個患者的診療資訊,同時也可以作為患者在進行回診時,透過人工智慧技術的能力,在進行檢查、診斷、治療的同時,也可以向醫療人員提出醫療支持、建議和各種警示提醒。然而資訊化之後,除了可以節省無謂及浪費的檢查之外,並且能夠將醫療資源進行優化的分配,並且透過匿名化的醫療數據,提供給各學術單位進行各項更為先進的醫療研究。


資訊厚生勞動省醫藥生活衛生局長武田俊彥表示,在未來的健康管理系統方面,在這樣的構想下,醫療、照護等數據,將都會被網路化,並且作為大數據的一部分,除了減輕醫療人員的負擔之外,更可以透過大數據數據庫,在人工智慧技術協助之下,來對各地域進行下一代的醫療發展規劃,讓各地域的患者能夠得到較為完善的醫療服務。


不斷的反覆進行運算,達到快速增加高度判斷的能力

在這樣次時代醫療服務體系的建構中,最重要的還是莫過於人工智慧的技術力量,但是,在這裡人工智慧將會進行什麼樣的架構改變?


最初,電腦系統只有被輸入和儲存圖像,以及文字等數據,而再進一步的可以進行簡單的訊號收集、整理、辨識和分析。而加入了人工智慧之後,這些訊號數據就可以被同時並存地,進行特徵性比較,然後對於這些特徵性的文字圖像進行判斷。


就如同能夠對患者透過各種檢查設備,所拍攝而得到的圖像進行分析,然後更進一步的獲得診察判斷結果,同時再與數據庫中的樣品數據進行比對,根據所默認的規則,來做出各種診察報告。


在以前,必須匯集各種所獲得的醫療信息,以人工輸入的方式,提供具有初步人工智能的計算機或儀器來進行比對分析。不過,伴隨著電腦的計算能力有著飛躍性的發展,得以進行更為複雜繁重的程序計算,這樣的變化,已經可以從「如果是 A 的話,那就會演化到 B」的單純對應關係,進步到「在 A 的情況下,如果出 B 的話,可能會演化成 C」的多層判斷和分析,讓人工智慧技術進步到,可以自行「深度學習」的階段,進而不再需要依賴人工,來進行初步或比較過後的數據輸入工作,憑借人工智慧的深度學習能力,不斷的反覆進行運算,來達到數據自動辨識,快速增加高度判斷的能力。


blob.png
圖五  人工智慧透過機械式的方式來有規律地進行自我學習。


在人工智慧對於醫療方面的學習、個案判斷基準,都是和普通人一樣,沒有什麼不同。長年投入人工智慧開發研究的慶應義塾大學理工學部生命情報學科?原康文教授表示,醫生從患者的問診結果中,抽離出重要的關鍵訊息,借以作為初步和廣泛程度的判斷,再以結果來對患者的病理做出辨別。這時,醫師還必需根據過往的學習知識和經驗,進行反覆的思考、驗證,來提升精確度,獲得正確的診斷結果。人工智慧醫療機制也是一樣,只不過比較大的差異是,人工智慧是透過複雜的運算來修正各種系數結果,並且不斷的反覆進行微調整,再獲得最後的結果。


將人工智慧導入急救醫療提升急救成功機率

在傳統上,急救醫療的本質上,就是醫療團隊和時間在競賽。而急救醫療在導入科技之後,就又多了智慧手機 APP 和人工智慧的協助。


日本東京慈惠會醫科大學,在先端醫療情報技術研究講座,擔任准教授的腦神經外科高尾洋之醫師,從 2016 年 11 月開始,就擔負著主導利用手機 APP 和人工智慧,協助急救醫療這個計劃的任務,2017 年度正式開始臨床應用實驗,並在 2018 年正式導入急救現場使用。


在 2015 年時,高尾洋之醫師就已經在日本東京慈惠會醫科大學,有著超過 3000 部具有這項功能的 iPHONE 導入經驗,並且將醫療訊息予以資訊化。在 2016 年正式展開這項計劃時,除了醫院本體之外,更加入了 Allm 這家公司,來共同開發智慧手機的 APP,並且整合融入了人工智慧技術,稱之為 JOIN。


JOIN 的架構是為了在數個醫療關係者之間,可以快速且有效的進行溝通、資料分析,並且讓包括手術室、急救室等數個醫療關係者能夠同時獲得,例如 X 光攝影、電腦斷層掃描或核磁共振攝影、醫學攝影、心電圖等各項身體檢測結果和數據。


blob.png
圖六  利用手機 APP 和人工智慧協助急救醫療


實際上,救護人員在急救現場,是相當難以正確掌握患者的受傷或健康狀況,並且無誤地傳達給後續急救的醫療人員。而利用智慧手機 APP 和人工智慧協助急救醫療這個計劃,就是希望借助智慧手機 APP 和人工智慧,在緊急救護和運送的過程中,能夠讓後端急救團隊能夠及早獲得患者的狀況,縮短抵達後初步傷檢判斷時間,達到提升急救成功機率,與減輕各種健康後遺症為目標。


這個急救架構是透過人工智慧,來進行問診與生命特徵感測,再將所獲得的資訊予以分析,並且進行檢傷分級(Triage)。基於這個分析結果,在醫療單位接受急救患者時,就夠預先制定急救計劃,以及選定運送患者對象。


例如對於急性腦血管疾病的患者,可以在出現症狀時,讓緊急救護人員預先進行相關簡易急救醫療行為。以腦血管栓塞的患者為例,從症狀發生後的發生 3 小時內可經由靜脈給予 tPA,此類藥物的使用必須靠醫療團隊的合作,與時間賽跑以搶救腦細胞。並且在 8 小時內裡,用血栓清除設備實施血管內治療,讓中風後遺症降到最低的程度。而這些畫面、數據、各種行動、醫護人員之間的溝通,就可以透過手機中的 JOIN 這個 APP 來進行。


更進一步的,高尾洋之醫師不僅僅讓 JOIN 這個 APP,擔負著患者急救運送時的緊急和問診處理,更進一步的融合人工智慧來完成 Cloud ER 系統,初步將先以腦、心血管患者為急救對象,透過 Cloud ER 系統提高急救成功率與降低後遺症。


在「Cloud ER」系統中,所使用的人工智慧有兩大類數據分析。第一類是讓患者戴上具有量測心脈、血壓、心電圖等等,生命特徵功能的醫療電子手環。第二類則是透過智慧手機中的 APP 來收集整理患者的發病各項資料。


當預定接收患者的醫療機構也從JOIN和Cloud ER系統獲得發病各項數據之後,就能制定患者的急救計劃,以及準備相關急救器材,另一方面,也可同時指示負責運送的進護人員,進行必要的急救措施,讓患者運抵醫療機構之後,就能夠立即獲得最適切的緊急救護醫療。


非所有的醫療人員都樂意接受人工智慧醫療時代的來臨

雖然將人工智慧導入醫療系統,透過政府的推動、各業者的技術整合,看起來已經是必然的趨勢,但是對於現今的醫療體系以及醫療人員來說,還是必須面對無法避免的適應期。


事實上,透過日本的專業媒體訪問分析可以發現,並非所有的醫療人員,都相當樂意接受人工智慧醫療時代的來臨,甚至有一部分的醫療行為,將會被人工智慧系統或者機器人所取代,這更是深深激怒了部分的醫療人員。


根據調查,大概有 85.2% 的日本現行醫師相信,在未來 100 年內,將會實現透過人工智慧來進行醫療輔助。只有不到 15% 的醫師認為即使再過 100 年,人工智慧仍無法取代人類進行醫療行為。而對於採用人工智慧產品來做為醫療輔助方面,仍舊有將近 19% 的醫師是相當排斥,甚至完全不考慮導入人工智慧醫療產品(圖七、圖八)。



blob.png
圖七  預測人工智慧導入醫療時間的醫師比例



blob.png
圖八  使否會採用人工智慧協助醫療行為的醫師比例



就意見而言,大多接受人工智慧醫療的醫師都認為,採用人工智慧醫療,可以達到再確認功能而預防人為疏忽,並且可以提供診斷的輔助、預防誤診,以及縮短確診的時間,甚至可以透過人工智慧醫療的力量,來補強自己不熟練領域的技術和知識。


當然,並非所有的醫師都是如此正面看待人工智慧醫療的能力。對於醫師而言,最沈重的負擔就是需要背負著「對患者的責任」,因此,最直接被反應的問題就是,當出現誤診時,是哪一方面需要負擔責任?


有些醫師認為,人工機械因為無法擔負責任,所以絕對不可以進行確診的這項工作,最多只能提供醫師進行確診時的參考數據。因為就診斷上,無論是慢性患者,或者是需要進行急救的對象,在醫療行為進行時,存在太多的變化,仍舊需要依賴醫師的經驗不可,這一方面,人工智能是絕對無法做到的。因此,讓機器人測量一下生命特徵的數據就好,其他方面,還是需要交給有經驗的醫師,並且需要重視醫師多年以來的醫療經驗和能力值。


AKD 寰楚專業級全系列監控設備


沒有留言:

張貼留言