AI深度學習 助降低糖尿病失明機率
隨著科技發展，人工智慧（AI）的發展越來越迅速，其中機器學習中的深度學習更受到注目的一環，舉凡TensorFlow 演算法以及 AlphaGo 挑戰世界棋王，都讓人感受到深度學習所帶來的魅力。
什麼是深度學習？簡單的說，就是利用多層的類神經網，讓電腦可以和人類一樣針對複雜的情況進行觀察、學習和反應，Google研究團隊產品經理彭浩怡表示，深度學習的概念早在 90 年代就存在，但是當時的電腦運算能力不足，才會效率不佳。不過近年來電腦在異構運算擁有更高運算效能，可以在短時間處理更多資訊量，再加上大數據的發展，深度學習的名字得已「捲土重來」。
彭浩怡指出，以影像辨識為例，過去的AI需要依賴人工建立「特徵」讓機器得以分類，深度學習則是提供大量的相關影像，讓系統自行建立特徵與分類，如此一來，不僅可以省去建立特徵的人力與時間，也能讓AI持續學習，根據Google統計，只需要各5千張相關與不相關圖片，就可以建立起完善的邏輯。
深度學習判讀病變
那麼，深度學習如何應用在醫療體系上呢？彭浩怡以糖尿病視網膜病變的判讀舉例，她說，全球有4.15億的糖尿病患者，其中三~五成成的病患有視網膜病變的危機，這些人又有一成會失明，代表著每20人就會有1人有失明的危機。
彭浩怡表示，就以印度來說，當地約有將近7,000萬名糖尿病患，但眼科醫生卻有高達12.7萬名的職缺，在醫療資源相當匱乏之下，有45%患者在診斷前飽受失明、視力減損的折磨。因此，Google與印度的眼科醫院Aravind及Sankara Nethralaya 聯盟，利用深度神經網路技術，透過建立標籤工具，並與54名眼科醫生合作，針對13萬眼底影像進行88萬次診斷，其糖尿病視網膜判讀機制已經接近醫生的判斷結果。
彭浩怡認為，糖尿病患的定期篩檢是預防失明的關鍵，醫生可以透過圖像來判斷視網膜是否有病變，但是若是輕微病變，只會在視網膜出現微小的血管瘤，這是需要經過長時間的訓練，才有辦法辨別出的，「這就代表這套系統的重要性」。
除此之外，這套深度學習系統也可以應用在判讀癌症活體組織切片，彭浩怡指出，根據數據顯示，每12人的乳癌切片中，就有1人可能被誤診，前列腺癌則每7人就會有1人被誤診，這是因為活體組織的切片上有太多資訊，誤診的可能性必然會增加。
「深度神經網路技術可以在腫瘤定位準確度（FROC）達到0.89，病理學家的FROC分數則是0.73（沒有時間限制）；在判讀癌症上，該模組有92%的敏感度，但其中有8個是假陽性判讀，病理學家有73％敏感度，0個偽陽性結果。這代表病理學家若與深度學習技術合作，將能夠提高病理學切片的準確度，降低誤診的可能性。」
但彭浩怡也坦承，即使深度神經網路技術的辨識結果高於醫生，但在不同的環境就會有許多變因存在，所以必需進行臨床驗證，同時也要與醫療團隊建立信任感，讓醫生願意與深度學習合作，並且建立工作流程跟使用者介面設計，讓系統符合醫生的工作流程。話說如此，該系統在短時間之內還是不會推出，一來是因為機器學習輔助醫療儀器還在前期研究的階段，而且美國食品藥品監督管理局（FDA）的審核時間平均也要5年。
台灣擁有AI預防醫學的優勢
針對台灣AI的發展，TrendForce生技產業分析師蔡尚燐指出，AI在數位醫療健康領域的應用中，將扮演著樞紐或齒輪的角色，舉凡觀察常規醫療活動，病患的病歷、檢驗數據與醫療影像，以及在不同臨床場域、醫療照護模式中，所產生的這些大量臨床數據資訊，未來皆有機會藉由 AI 技術協助，在短時間內處理與分析大量繁複、重複且精密的訊息資料，並進一步協助醫師進行判斷、分類與處理，以增加臨床反應的時間與協助病患照護的精確度。
蔡尚燐認為，台灣臨床醫學能力不亞於其他先進國家，而全民健保資料庫從 2000 年建置至今已逾 15 年，此龐大且完整的數據規模對於導入大數據分析與人工智慧應用開發，實是非常有利的先天資源，若能與台灣優秀的 ICT 骨幹產業產生鏈結應用合作，實是相當有利的機會。
Google 台灣總經理簡立峰則指出，台灣的糖尿病的患者逾有188萬人，對於視網膜病變的數據蒐集有一定的幫助，其實台灣在醫療和資訊科技已經投入許多心血，深度神經網路技術能夠讓醫療體系與資通訊資源跨領域結合，確實是一大進步。
簡立峰表示，醫生太忙，工程師不懂醫療領域的特徵，過去在特徵萃取的工作上要花許多時間，如今深度神經網路可以自動完成特徵萃取的工程，讓跨領域的研究變得更加有機會。
簡立峰認為，台灣擁有足夠的醫療中心，也有強大的健保體系，現在社會面臨少子化，高齡化，如果能夠在長期照顧投入AI與機器人應用，比如智慧型輔具、自動輪椅的開發，絕對可以獲得很好的發展。
至於如何將AI、醫療、教育三者結合，簡立峰坦承，現在舊有的醫療教育體系受限於新技術的更新快速，許多教授無法投入新趨勢的教育之中，讓許多學子無法在自己的系所中習得AI相關的技術，除非有新的教師願意打破現行教育體系架構才有可能。他建議有興趣學習AI的學子可以跨領域發展，就如同彭浩怡一樣，讓AI與醫療專業2者同時並行。
