【台灣醒報記者祝潤霖台北報導】「AI人工智慧可以在A、B、C醫院個別學習，透過『聯合學習』讓機制快速成長完善。」台灣AI實驗室創辦人杜奕瑾13日在「AI在心血管疾病最新發展」研討會上說，AI影像辨識不用把所有資料放在同個地方，可透過不同醫院所得出的資料進行彙整，完善AI醫療診斷的精確性。
AI做精準健康醫療
「為什麼精準健康跟ICT產業要緊密結合？因為智慧設備隨時都在收集個人健康資訊。」杜奕瑾表示，加上醫院及國家數據，以及國際的開放資料，就是精準健康最重要的資料來源。只要醫生認為在哪一塊花費很多人力、資源，都可利用AI輔助，「如新冠肺炎X光片，人類肉眼無法做判斷，AI可做出清楚區分。」
杜奕瑾指出，其實AI可以個別學習，不需要把資料通通放在同個地方，這就是「聯合學習框架」，也是健保署所使用的AI模型，讓AI在台大、北醫、北榮先個別學習，然後多家醫院一起把AI完善到最好。
「台灣未來要用精準健康取代精準醫療，醫院本身透過維持病人健康的生活，就能得到整體健康的回報。」杜奕瑾強調，讓AI醫院解決方案成為國家精準醫療的指標，需要整體大數據平台的建置，也需要臨床設施的導入，不管科技部或智慧城鄉產業，都在推展5G城鄉精準健康，希望能順利啟動台灣數位健康經濟。
AI診斷心血管疾病
「心臟血管、癌症、感染性疾病是AI醫學3大研究領域。」台北榮總副院長陳適安表示，心律不整相較以前得花費2個星期才能得出結果，現在可以快速把分析結果輸出，上百頁心電圖用人力或AI判釋，所耗費的成本及效率相差很大。
「早期偵測疾病對心臟血管疾病非常重要，所謂預防勝於治療。」陳適安說，心臟血管、新陳代謝科及癌症都可早期偵測，Apple手錶可以偵測心房顫動，但有些判讀還需要精進；台灣對穿戴式裝置也有很多研發，如何減少雜訊、更快速判讀，如何跟各醫院遠距中心做結合，是全國心臟血管中心可以互相努力的地方。
陳適安指出，精準醫療必須要先做分類，再投以不同的藥物，可以看出哪些藥物效果比較明顯（或不明顯）；用AI也可以開發藥物，國衛院透過基因蛋白質篩選，找出適合治療的藥物。2020年醫療數據73天就倍數成長，與過去50年才倍增有天壤之別；當78%醫護人員覺得過著血汗生活，透過AI輔助將可望大幅改善。
