AI技術加持 智慧醫療應用飛速發展
2019-03-05
作者
路飛、Anthea Chuang，EE Times
當大數據遇到AI，最有希望突破的是醫學影像領域。目前，AI在醫學影像領域的應用能協助醫生提高早診率，減少誤診率，具體方向主要有三類：疾病篩查、病灶勾畫、臟器三維(3D)成像。
近年來，人工智慧(AI)、大數據、雲端服務等新興的概念在醫療健康產業掀起一股風潮，尤其是在醫療影像分析與辨識技術上，AI和大數據的應用近年來有了突破性進展。一些大醫院紛紛引進AI技術，用於影像輔助診斷、電子病歷、醫療大數據等智慧化醫療手段和技術。
當大數據遇到AI，最有希望突破的是醫學影像領域。目前，AI在醫學影像領域的應用能協助醫生提高早診率，減少誤診率，具體方向主要有三類：疾病篩查、病灶勾畫、臟器三維(3D)成像。此外，邊緣運算的日益強大，讓可穿戴設備能日常監控健康資料，透過物聯網(IoT)相關技術，與雲端大數據匹配，結合AI遠端醫療讓病人尋醫問藥。
2019年醫療市場發展重點——AI
由於全球逐漸走向高齡化社會，醫療電子市場持續受到半導體產業的關注。根據市調機構MarketsAndMarkets針對2019年醫療產業所做的調查，該單位認為，醫療科技不斷發展，目前已進展至醫療4.0時代，2019年更將整合大數據與AI智慧分析，輔助診斷檢測進而做到精準醫療，預計2022年全球市場規模可達到79.9億美元，潛在商機可觀。
另外，Forbes的分析資料顯示，到2019年底，在醫療保健領域採用AI技術實踐的應用市場規模將超過17億美元。AI在整個醫療產業中，除了在資料分析領域，包括醫療影像輔助決策、藥物發現與風險分析應用等可看到具體成果，並且在未來23年內實現提升1015%的生產率之外，其他AI技術支援的互動介面：如語音互動或聊天機器人，將針對老年護理、慢性病管理、醫師助理與線上客服等方向提供市場發展機會。
不僅如此，AI應用在醫療保健的發展關鍵，不僅提高產業生產率與降低營運成本，還需要保護顧客在數位資產中的安全性和隱私，設法創造可信價值，讓顧客願意投入額外預算在此類應用服務中，以維持市場的成長。因此，可以說2019年醫療產業的發展重點就是擁抱AI，並透過AI技術實現更多智慧醫療應用，而AI技術在醫療設備領域的應用也將主要集中在醫學影像、輔助診斷、藥物研發、健康管理、疾病預測等幾大領域。
國外醫療領域對AI技術的應用，以藥物研發為主，而中國則借助醫療影像大數據及影像辨識技術的優勢，大力發展AI醫學影像。AI應用在醫學影像領域，能幫助醫生提高早診率，減少誤診率，這對於在醫療科技研發與產業成熟度方面都與西方先進國家有一定差距的中國來說，既是機遇，也是挑戰。
而台灣，由科技部主導成立的台灣創新創業中心(TIEC)所培育的新創公司，也積極利用AI技術實現其所研發的醫療應用。這些創新的智慧醫療應用，也在今年消費性電子展(CES)大放異彩，不但獲得CES創新獎的肯定，也讓CES與會者留下深刻的印象。
晶片商積極搶攻市場
無論是AI技術本身或是其打造的醫療應用，當然少不了晶片，尤其是處理器。換句話說，晶片是AI產業的制高點，其中，在訓練環節，GPU依然具備優勢，張量處理器(tensor processing unit；TPU)也在積極拓展市場和應用，而在推理部分，GPU仍在發揮巨大作用，同時，FPGA和ASIC也正逐漸獲得更多市場重視。
美國在AI通用晶片領域優勢明顯，例如NVIDIA的GPU、賽靈思(Xilinx)的FPGA、英特爾(Intel) Xeon可擴展處理器(Purley)、 Google的TPU等，這些廠商都針對AI或醫療相關應用提出的新的產品。另外，中國是全球第二大AI力量，相關AI企業超過千家，部分新創企業還在ASIC專用晶片領域有所突破。
AI醫療、可穿戴和遠端患者監護醫療設備目前的開發都處於起步階段，這些設備可用於現代醫院、診所及患者家中，旨在更有效地診斷和治療疾病。而相關醫療設備的設計除了上述提到的主處理晶片，還包括低功耗單晶片、微處理器、無線元件、安全元件、觸控元件，以及類比/混合訊號元件等。
用於智慧醫療的最新AI技術
Nvidia醫療業務全球副總裁Kimberly Powell近期在接受中國醫療媒體採訪時表示，「醫療產業將成為AI最大的應用產業之一，而中國醫療產業及產業態勢也令人非常看好。」她並強調了Nvidia在運算架構方面三個類別：高性能運算、運算圖形和模擬，以及AI。當前醫療產業的生態系統，以基於AI的最新醫療解決方案開發，都離不開以上三個技術。
2018年GTC大會上，Nvidia將觸角伸向傳統醫療領域，發佈了一款醫學影像超級電腦 Project Clara，提出在十年前的老舊醫療設備上運行最先進的AI演算法，並用最先進的 GPU 輔助成像。這個平台將大幅度彌補傳統醫療儀器在運行速度和功能上的不足，很大程度上助推了AI技術與醫療設備全面結合。
據介紹，這一平台核心是Clara AGX，基於Nvidia Xavier AI運算模組、Turing GPU運算架構，能從入門級設備擴展到要求最苛刻的3D儀器。平台使用了加速運算、AI和視覺化等技術，同時利用容器技術、虛擬化等運算結構將平台結構分為幾層。平台最底層是神經網路執行層(cuDNN)，第二層是能使多個AI任務並存執行的引擎。
同樣看好AI醫療的英特爾，也利用全堆疊式解決方案攻城掠地。硬體層面包括至強可擴展處理器、Nervana神經網路處理器、FPGA、網路，以及儲存技術等。同時，還有針對深度學習和機器學習而最佳化的基於英特爾架構的數學函式程式庫(Intel MKL)，以及資料分析加速庫(Intel DAAL)等，以及支援和最佳化開源深度學習框架如Spark、Caffe、Theano及Neon等，最後是構建以英特爾Movidius和Saffron為代表的平台，推動前後端協同AI發展。
英特爾認為其可擴展處理器，相較普遍用於訓練和運行機器學習模型的GPU，在電腦視覺方面具有關鍵優勢：能夠處理更大、記憶體更密集的演算法。如今他們與西安盈古合作，打造跨終端跨平台的醫療智慧化輔助診斷系統，即時、高效地處理和分析雲端海量醫療影像，目前已接入千餘家各類醫療機構。
賽靈思在2018年收購中國AI晶片領域創業公司深鑒科技，此舉被業界認為是AI 軟硬體深度結合的典範。市調機構Allied Market Research預估，FPGA將成為AI晶片中成長最快的細分領域，甚至超過GPU，因為FPGA的靈活性可以讓開發人員為其他任務進行新的程式設計。
賽靈思工業醫療市場拓展經理翁羽翔表示，該公司今年推出的7奈米製程Versal晶片就將聚焦醫學影像領域。而深鑒科技的核心技術之一「神經網路壓縮演算法」也能與賽靈思自我調整運算加速異質平台結合，提供實現AI推理的開發套件。
亟待解決的問題
醫療產業在實現AI的道路上的確存在許多問題。微芯科技(Microchip Technology)醫療產品部業務拓展經理Marten L. Smith認為，其中一個難點就是在設計醫療設備時，如何以最低設計等級實現最大程度的智慧化。使用將獨立於核心獨立周邊(CIP)整合於設計中的單晶片正是化解此類問題的絕佳方法。
根據傳統，單晶片多支援一項功能就需要更多的快閃記憶體(用於儲存變數)、額外的RAM(用於執行程式碼)，以及更高的處理速度(確保系統時序符合規範)。遺憾的是，這種整合方法需要在新一代設計中使用尺寸更大、功耗更高、價格昂貴且更為複雜的單晶片，超出設計成本、尺寸和預算限制。
新的智慧醫療設計必須提高功能整合度，同時降低整體功耗、成本並縮小物理尺寸。這些對成本極其敏感的嵌入式設計需要摒棄傳統需求，在新一代醫療設備設計中告別價格昂貴的單晶片，將架構設計轉向功能支援。
例如，具備CIP的單晶片整合了晶片上周邊，可以在CPU監控工作量降至最低的情況下智慧運作。它們可以與其他晶片上周邊直接通訊，從而創建靈活的回饋迴路。此類單晶片可實現靈活、節能的醫療設備設計。與尺寸更大、成本更高的單晶片相比，其任務執行能力毫不遜色，更不會增加成本、功耗、尺寸和複雜度。
針對醫療影像領域，翁羽翔認為，過去的主要問題就是病灶辨識的處理時間過長，以及成像清晰度不足。AI技術的導入可以很好地解決這些難題，比如深鑒科技的壓縮演算法，能在不影響精度的情況下最大限度發揮晶片的運算能力，縮減病灶辨識的處理時間。
實踐情況
基於自身的創新技術，英特爾正與合作夥伴一起尋找突破性應用場景，共推AI在醫療產業的應用實現，解決最具挑戰性的難題。不久前，英特爾與中國江豐生物宣佈成立病理AI聯合實驗室，共同研發相關產品的核心演算法，對病理AI產品在英特爾運算平台上進行運算給出性能最佳化，並推廣病理整體解決方案。
同時，英特爾針對合作夥伴的不同使用目的，提供特定的解決方案。舉例來說，諾華借助英特爾深度神經網路加速技術加快藥物研發的速度；英特爾軟體創新者Peter Ma參與發起的Doctor Hazel專案，借助英特爾神經運算棒對皮膚癌進行篩查；攜手浙江大學與德尚韻興，研發基於超音波影像的甲狀腺結節良惡性的輔助診斷系統「DE-超聲機器人」，幫助中國從三甲醫院到基層醫院的醫生進行甲狀腺結節的診斷，目前該輔助診斷系已經部署於臨床試點應用，為供不應求的醫療資源配置帶來紓解。
其實在推出Clara平台之前，Nvidia在中國已有多個專案進行中，該公司選擇合作夥伴時，主要考慮四個類型：第一類是醫療學術界，因為半導體廠商不是醫生，不做醫學研究，所以在這方面要尋求合作夥伴；第二類是新創公司，為他們提供技術支援；第三類是產業界商業化合作夥伴，比如華大基因、聯影智能；第四類是政府部門，關注不同國家和地區政府的重大科研專案方向以及相關政策。
Smith指出：「我們正處於數位醫療革命的初始階段。部分大型高科技公司投入大量資金和資源改變醫療產業，未來還將追加投入。部分市場評估調查顯示，截至2023年，醫療設備市場的估值將超過4,000億美元，增幅達到4%~5%。」
另外，疾病的診療正逐步從醫院和診所走向家庭，這種變革能夠引領大家自主管理個人健康狀況。不僅如此，與過去相比，現今的醫療設備對於智慧性、互聯性和安全性提出了更高的要求，當然也為相關晶片業者帶來新的機會。
台灣新創不落人後
晶片業者在中國市場或是產品的佈局值得關注，台灣新創業者在將AI導入醫療相關應用的研發成果，也不容小覷。
2019年醫療電子的發展中，有一項即是透過AI，協助醫師更加精準且快速的判斷病因，以為病患近期早期治療，以及根據病人的狀況選擇最佳的術後照護。
來自台大醫院血液科醫師及清華大學電機系專業人才，集結而成的台灣惡性血液疾病治療與AI跨領域團隊——AHEAD，希望能利透過AI技術，針對現今臨床上治療惡性血液疾病治療所遇到的困境，量身訂做解決方案，進一步解決目前台灣惡性血液疾病所遭遇的難題。
目前，該團隊已經針對急性骨髓性白血病，也就是成人最常見的血癌，建立了在流式細胞儀檢查中快速偵測微量疾病，以及結合臨床資料預測台灣病患預後的演算法——AHEAD-flow與能全面性評估病患檢驗資料，以及治療紀錄的預後預測模型。
AHEAD團隊解釋，AHEAD-flow技術為殘餘血癌細胞檢測模型，血癌病患確診後需接受化學治療，且需觀察血液、骨髓中是否有微量血癌細胞。現階段流式細胞儀檢測是最廣泛被採用的方法，但是即使具備相當經驗的醫師，每次判讀可能需要 20~30 分鐘，但利用AI技術及大量標註的歷史臨床資料開發的AHEAD-flow演算法，可將判讀時間縮短至7秒鐘，更重要的是，判讀結果與臨床醫師判斷的一致性高達九成。
AHEAD-flow殘餘血癌細胞檢測模型架構。
傳統上，判斷病患預後的因子雖然會根據許多醫學研究文件，以及多種病患個人病歷資料、與病人會談時醫師進行的評估，仍相當依賴醫師過往的經驗，然而這樣的流程很複雜且常會有很大的個體差異。加上隨著醫療檢驗項目及數據的資料量與複雜程度日益劇增，醫師們亟需更有效率並客觀的工具協助他們在各個時間點做臨床決策輔助，因此，AHEAD團隊研發的全面性評估病患檢驗資料，以及治療紀錄的預後預測模型，將可適當滿足醫師的需求，且準確率超過八成。
除了利用AI技術分析血液疾病病患的相關資料，建議及輔助醫師診療的系統外，傑尼斯控股(Genius Holdings)以其多年投入藥物開發所累積的相關醫療器械的知識，開發出新一代肺功能儀，則是透過AI分析受測者每一次的呼吸狀況。
傑尼斯投資控股共同創辦人暨技術長陳嘉宏表示，新款肺功能儀不僅是市面上第一款可與智慧型手機等智慧裝置連結、透過App將數據傳送至雲端分析的產品，還將AI技術加入相關分析軟體內，受測者將能得知AI分析系統對於肺功能檢查的結果，例如是否罹患氣喘與慢性阻塞性肺疾病等異常疾病，且對於病患用藥的療效也有更好的評估效果。
陳嘉宏強調，透過AI技術，肺功能儀將可透過受測者所吹的一口空氣，判別受測者的性別、是否罹患肺功能相關疾病，更能提供受測者與醫師初步的醫療建議，未來，傑尼斯投資控股也將利用AI開發更多肺功能儀新功能，包括調整藥物吸入量…等。
AI在很多領域開始向人們展現其「智慧」，但在醫療這種涉及人命的領域中，AI本身還存在著許多關鍵基礎性與實際應用的問題，如數據的穩定性有待提高、開發演算法的工程師並不懂「醫」等，同時還涉及到醫學倫理等問題。醫生提供的診斷結論是基於經驗、倫理和實踐，但AI目前還不能做到「推理」，這些也是AI應用在醫療健康領域下一步需要解決的問題。
本文同步刊登於電子工程專輯雜誌2019年3月刊
