台湾医疗AI帮医生「看见病人」,多一份关怀

    来源网站:http://cd.rangdeng.com/   更新日期:2019-11-27  【举报删除

【让登网】台湾医疗AI帮医生「看见病人」,多一份关怀
台湾医疗AI帮医生「看见病人」,多一份关怀
 台湾林口长庚医院于2018年成立「人工智能核心实验室」


2018年,台湾林口长庚医院以4500万成立「人工智能核心实验室」。这个15人的团队,目前正着手超过20个计划。为AI在医疗场域应用把关的人工智能核心实验室主任、台湾长庚医院风湿免疫科主治医师郭昶甫,在2019天下经济论坛(CWEF)时指出,AI很难介入医疗的本质,但可以帮医生减轻负担、时间的浪费。除了医疗法规、资料取得、基础建设等挑战之外,医护人员的训练也是一个大工程。


台湾长庚医院风湿免疫科主任郭昶甫医师

人工智能核心实验室主任、台湾长庚医院风湿免疫科主任郭昶甫医师


长庚,现在是台湾最大的医院,1万多床,每年200万就诊人次,7个医院横跨整个台湾。我们在引进新科技的时候,碰到很多问题。其中医疗AI领域是很重要的议题,因为人命关天,所以一定要确保病人的安全。当医疗界碰到很多问题的时候,大家会问为什么动作这么慢,没办法引进新科技?长庚勇敢跨出了一步,因为严格说起来,医疗AI相关技术还没有真正在临床上使用,只是辅助医生,而现在有些也开始拿到FDA认证了。


医疗AI准确性有限,服务需要延续性

所以在AI进入医院的时候,我们要问三个问题。

首先,AI的核心价值是什么?我认为,减少医生的负担和干扰,改善医病关系是一大核心。病人安全是个大问题,不只是用药会改善,任何介入都会有安全性因素。而每次病患看到医生的时间可能都只有3、5分钟,便利性也是个问题。

其次,医疗AI可以处理什么问题?很多研究发现,目前为止能解决的问题不多,大部份集中在疾病与病患分类、流程预测,以及治疗病人相关的类别。虽然现在FDA核准的项目很多,但现在AI应用相对简单。

第三,医疗AI可以多好?我们从《Nature》上的发表来看,AI可以接近人类,但准确率只有80%,甚至60%,这样的结果,我们可以接受吗?现况是如此,某些医疗应用可以与人接近,某些程度一致性提高,但应用十分有限。医疗服务需要延续性,不是单一产品就能取代。

大家都看过医生,我们都知道医生跟病人互动,提供直接服务,很难用科技介入。因为大家都希望跟医生谈半小时、1小时,说清楚发生什么事、有什么选择。医病双方一起讨论,该做哪些介入措施,这是AI不容易介入的部份。

除此之外,还有很多是间接服务,例如大家看不到X光诊断等等,还有其他支持性的服务也含有许多规范。比方说,为什么挂号、住院、抽血等,护理师都需要跟病人详细解释,是因为有安全、感染控制等问题。在医疗间接服务的部份,或许AI可以介入,但病人是看不到的。

此外,医院运作也跟公司一样,有人事、费用等问题。而且医院不是单独存在的组织,要跟外界结合,关于健保、社福体系、金流等,都是医院必须要做的事,但病患一样看不到,却也都是AI可以发挥的空间。

台湾林口长庚医院于2018年成立「人工智能核心实验室」

AI减少医生的干扰,就诊前先提供数据

真正的医疗是医病关系的距离。在这短短的距离,我们要做多少事情?病患提供个人资料与疾病历程之外,还想问很多问题。医生要做的是,把病患所有检测和背后信息汇整,做出医疗决策,并跟病人一起做决定。这是医疗最重要的本质,AI很难介入,但我们可以减少医生浪费的时间。

以前我们去看门诊,医生是边写病历边跟你聊天,现在医生是边看电脑边跟你讲话。但医生有没有看到你?花的时间占了多少比例?其实你看医生的3、5分钟里,他可能有一半时间都在看电脑,这是很严重的问题。

如果医疗AI可以介入,减少医生的干扰,就能让他们把目光放在病人身上。所以我们协助沟通,透过穿戴装置、流程整合,减少医生汇整数据的时间,在病人到诊前就把该做的都做好。事先把信息提供给医生,一旦沟通顺畅,服务价值自然提高。现在有些产品,如Apple Watch,就是先做好监控,到诊前就让医生知道。如癫痫管理、中风影像侦测等,间接医疗服务就是医疗AI应用的一大热点。

目前这35项FDA认证的医疗器材,基本上都是诊断用。比方说,长庚做的鼻咽癌影像检测,就是非常困难的一件事。或是当你骨折去急诊,关键问题就是要在很快的时间内做出正确诊断。再来,抽血时针对全血球的简单辨识,健保给付才100多台币,但急诊每天要花费3个医检师的人力,半夜等在那边做这件事。或是免疫荧光自动判读,医生要看100张影像分类。技术不难,但非常繁琐。

此外,医院防止病人跌倒、控制感染领域也很重要。因为其实医院是很危险的场所,所有严重的疾病与感染源都在这里。而医院也常碰到病人半夜需要急救的状况,但若有预警机制,就有机会可以把他们救回来。若套用AI技术,有些运算法可以连续性监控病人身体状况,提前预测其可能的死亡机率做预防性服务。

医院要生存,还要跟健保打交道,要顾虑人事、预约、缴费、保险申报等。比方说,DRG申报的好坏,可能会造成结果产生30%至40%的差距,甚至从赚钱到亏本。所以优化申报,或许也是AI可以做的事。

这些都是很大挑战。像长庚在推展的过程中,第一个碰到的就是医疗法规的问题。我认为医疗界必须符合法规要求,任何还没有FDA、CFDA等认证的,都不适合公开说可以用在医疗领域。医疗器材软件的临床评估(SaMD)下,有些产品可以到FDA,但这是重要的程序。我们尊重程序,为的不是准确率,而是对于病患的风险的控管。


医疗AI引发争议,你愿意被连续性监控吗?

然而AI到底可以看到什么,跟医生看到的内容一样吗?这是一个黑盒子,其实我们都不知道。有些技术可以藉此发现某些问题,但医院做了很多测试,却发现电脑看到的不见得跟医生一样,有些甚至差距很大。因此即使AI做出来的准确度高,可是大家可以接受吗?

另外,资料取得也是问题。一个人从出生到死亡产生的数据量是好几个TB(兆字节)。乳癌病人需做医疗影像,一个病人就要10几张,不要说CT、MRI,很难整合串联。

再来,数据合法吗?不是说用公开数据来做就可以,要合法,还要有病人同意才可以做成医疗器材或是运算法。因此隐私权也是大问题。我们从运算法可以看出用药有没有改善,但大家可以接受吗?连续性监测对隐私的介入,可以用在医疗领域吗?

基础设施也是大问题。长庚医院做了一个实验,成立核心实验室,花了1.5亿台币。接下来建立电子病历也要花4亿多台币,精准医学又是4亿多台币;现在已经砸了10亿台币,而且完全不会回收。

另外还有网络速度,平常传照片没问题,但档案变成20倍会碰到什么问题?医院每天都在处理。AI不是做服务器就好,网络传输全部都要更新,并不是小工程。实验室刚开始,计算量就占了长庚整理运算量的97.6%。为了要做简单的几件事,用电量就超过长庚质子中心,这是合理的吗?储存量是我们过去2011年到2018年的59倍。

最后,我们怎么让医生理解这些事情?我们跟台湾AI学校合办2梯次的教育训练,总共训练250位医护人员,但长庚总共2万2千人,也就是说我们花了1年多才训练了5%人员。我认为医疗AI对医疗管理和服务都会有正面影响,而不是科技层面,科技走太快,远超过医疗界的需要。即使很多挑战很基本,还是很难快速解决,这都需要时间。所以长期还是会内化到医疗服务,不会看到AI在什么地方。

本站网址:http://cd.rangdeng.com/gongying/show-188735.html 该信息由用户成都瑞庚医疗科技咨询有限公司发布在最新咨询频道,内容中涉及的所有法律责任由此商家承担,请自行识别内容真实性!
 
商家资料
  • 成都瑞庚医疗科技咨询有限公司
  • 028-61985320
  • QQ号: 769040655
  • 联系时说在【让登网】看到的将给您优惠!如果您也想和该公司一样在网站发信息有好排名,点击 立即免费注册,发布产品推广
点击分享网站
 
最新相关推荐
 
【让登网】 分类信息网站前5强 中小企业推广首选