首頁 科技 天文新知

AI深度學習 助降低糖尿病失明機率

Google研究團隊産品經理彭浩怡分享機器學習在醫療上的應用實例 。(Google提供)
Google研究團隊産品經理彭浩怡分享機器學習在醫療上的應用實例 。(Google提供)

文/記者陳懿勝
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。