9 月 26 日，由經濟部產業技術司指導、臺灣日本關係協會科技交流委員會主辦的「2023 台日科技高峰論壇（Taiwan-Japan Science and Technology Forum）」於台北福華大飯店隆重開幕，一連兩日的精采議程，將聚焦「精準預防醫學、智慧醫院、生技醫療創新」三大主軸進行講座分享與討論，現場雲集臺灣日本關係協會科技交流委員會何美玥主任委員、公益財團法人日本台灣交流協會台北事務所 服部崇副代表、台灣精準醫療產業協會 李鍾熙榮譽理事長、臺大醫院吳明賢院長、中央研究院張文昌院士、台北醫學大學陳瑞杰董事長與本活動執行單位中華經濟研究院日本中心林桓億主任等多達數十位產官學研界重量級人士參與。
自 2003 年起，「臺灣日本關係協會科技交流委員會」每年定期舉辦「台日科技高峰論壇」，聚焦雙方共同關注的科技議題，並邀請台日各界領袖參與。這個平台旨在達成共識，規劃未來科技發展方向，同時也提升台日之間的科技交流和實質成效。
今年，考慮到科技在日常生活中的廣泛應用，會議將特別聚焦於智慧科技在解決醫療領域人力不足問題上的潛力，以及如何實現智慧醫療和精準健康。為了掌握最新的發展，本次論壇特別邀請日本 AI 醫院國家計畫的主持人分享 AI 在醫療領域的應用，以及日本領先的創業投資專家分析台日生技醫療創新的最新趨勢，期望透過這次論壇促進台日合作，並為後疫情時代的智慧醫療和精準健康建立新的方向。
現代遺傳權威：中村佑介博士獨家專訪（基因線上國際版）中村祐輔致力讓 AI 醫療更貼近人心
在首場專題演講中，國立研發法人醫藥基盤・健康・營養研究所的中村祐輔（Nakamura, Yusuke）理事長深入探討了「AI 醫院計畫」及其如何推動更人性化的醫療。他指出，隨著醫療需求日益複雜和多樣，以及社會高齡化，醫療工作者面臨的壓力也在增加。為應對這些挑戰，國家需要解決一系列問題，包括確保醫療品質、控制成本、確保勞動力、提升全球競爭力，同時確保在重大災害發生時有穩固的醫療資訊和供應系統。
作為日本內閣府 SIP 第 2 期「AI 醫院計畫」主持人的中村祐輔進一步解釋，為了解決這些問題，建立大型醫療資料庫和引入數位化和人工智慧（AI）技術變得至關重要，且需要同時橫跨物聯網（Internet of Things，IoT）與大數據技術。基於此，2018 至 2023 年的五年期內閣府 AI 醫院計畫專注於開發能減輕醫療負擔的 AI 技術，包括診斷輔助和減少人為錯誤的工具。該計畫由多家日本企業包括日本 Unisys、日立製作所、日本 IBM、Softbank 和三井物產合作建置。
中村祐輔指出，在臨床醫療上，誤診頻率以及誤診所造成的後果是嚴重的，而人工智慧能夠進行預測並校正。以腹部急症為例，造成的情況可能是膽結石、闌尾炎、腸胃扭轉，甚至是子宮外孕等，而患者可以到醫院前先行仔細地依照自身症狀充分表述，並詢問如 ChatGPT 等人工智慧技術，並在抵達醫院後，將得到的建議與醫師討論，此舉將可大幅提升醫療效率與精準度。
在提到以 AI 為基礎的錯誤警示系統，中村祐輔解釋道，常見的醫療疏失包含開立不當的藥物組合、處方開立錯誤等。在美國，每年約有 700 萬件處方開立錯誤的情形，並造成 7,000 至 9,000 人死亡，損失的醫療費用高達 4 兆日圓。只要投資 1 兆日圓引進 AI 系統，並可掌握症狀、診斷、疾病名稱與處方藥名之間的關聯性，將診斷疏失與處方開立錯誤的機率降至最低。
中村祐輔繼續說道，透過在醫療現場適切的使用 AI 技術，具有兩大優勢。首先是透過網路遠距技術，AI 自動診斷系統能弭平醫療資源的地區性差異，提供偏鄉地區與城市同等的醫療診斷品質。其次則是透過診斷輔助用 AI，能夠降低醫事人員的負荷，例如 AI 可以初步將明顯正常與明顯患病的就醫者進行分類，因此專業醫師只要針對 AI 不可確定的診斷進行評判，大幅減低醫師的工作量。同樣在降低臨床人員的負荷方面，橫須賀共濟醫院運用 AI 自動錄音並進行診療紀錄，可以有效降低整棟醫院每日 7 小時的工時。而在慶應大學醫院，應用人工智慧虛擬化身技術來輔助進行 CT 造影檢查的說明，每個醫師每年可以減少達 3000 小時的工時。
人工智慧也能進行即時診斷，中村祐輔舉例，透過患者裝配穿戴式裝置如智慧型手錶，能夠透過 AI 及時偵測到心房顫動，趁早將資訊傳達到救護車，並在兩個小時內的黃金時期進行即時的治療，就可以有效降低無法康復的後遺症發生機率。
他強調，儘管「AI 醫院」這名稱可能讓人聯想到冷漠的醫療，但 AI 和數位技術實際上能讓醫療人員有更多的時間和心力，以更人性化的方式提供精準醫療。例如很多時候，醫師只是對著螢幕進行病況解釋，大幅降低了醫療體驗與醫病關係。如果引進 AI 系統，將能夠進行有效的自動化紀錄並存取知識，醫師就可以省下更多時間與病患進行互動，而這也正是 AI 和數位醫療最具價值的目標之一。
讓 AI 來相助！大阪大學醫學部附設醫院的蛻變
大阪大學醫學部附設醫院（阪大醫院）AI 醫療中心 川崎 良（Kawasaki, Ryo）副中心長提到，阪大醫院將其願景定義為「Futurability：一個不斷創新，解決新問題，並受到大家期待的未來型醫院」。儘管醫療科技不斷進步，但專業化和複雜化也帶來了一些挑戰。為了解決這些問題，AI 在醫療領域的應用變得越來越重要。
以坂大醫院為例，希望透過醫師與護理業務，透過語音辨識、自然語言分析與臉部表情辨識，提供以病患為中心、具有安全可靠的醫療。除此之外，放射影像、病理影像、癌症診療、癌症篩檢、新生兒診療、眼部疾病、心血管疾病與腦神經疾病等進行影像診斷、預後預測與診斷輔助，提供更具品質的精準醫療。而在醫療資訊、診療報酬明細表、診斷程序組合（DPC）、影像檢查、檢體檢查與各診療科別細部檢查，可以基於病患的同意之下進行資料的倉儲化，在後續通過資訊分享審查之後，提供產官學界加以活用，有助於醫療設備開發，同時提升診斷準確度。
川崎 良在講座中介紹了坂大醫院中的 AI 應用案例。例如 AI 問診輔助系統，能夠輔助護理判斷、減少問診工作的時間，也便於提供多國語言的翻譯服務，有助於外籍看護的理解。而在醫療場域中引進人臉辨識技術方面，目前應用在小兒科病房的入室管理系統，可以有效降低人工操作次數達 30%，除此之外，也可以進行重症系統的電子病歷使用者身分認證，更能進一步拓展使用情境，建置「整合醫療大樓」，預防誤認手術患者，減少病患等待時間與院內導覽等。
在醫師業務輔助方面，例如眼科語音輸入的輔助或是知情同意流程的 AI 虛擬化身輔助系統。在病患服務方面，在許多情境下，病患在醫院中需要在不同診間進行移動，AI 可以進行自動駕駛，有效進行導航並降低跌倒的機率。在腦神經系統方面，透過失智症診斷輔助 AI ，可以利用腦波儀分析腦波特徵進行癲癇發作的預測。在新生兒診療輔助方面，也可以推測早產兒視網膜病變的風險，這是造成幼兒早期失明的主因。
此外，AI 也可以進行病理診斷輔助，例如腎臟切片檢查病理影像之 AI 輔助判讀，目前的系統具有多中心驗證以確認組織學所見、腎功能指數的一致性，以及非監督式維度縮減的再現性。再來，AI 也可以進行放射影像的診斷輔助進行手部關節健康程度判定、內視鏡消化道癌症診斷輔助 AI 則能夠進行早期胃癌的超音波內視鏡影像輔助，可以達到與專科醫師幾乎同等的診斷能力。
至於心血管系統診斷輔助與居家監測，目前建有「心臟衰竭遠距監測系統」，透過早期發現與介入居家照護患者的心臟衰竭惡化情況，預防再次住院。於此同時也可以累積資訊並由 AI 診斷心臟衰竭的嚴重程度、引進患者的自我管理工具，當系統成熟之後，可以跨大監測疾病的適用範圍，包含肺炎、失智症、心房顫動與新冠肺炎。
緊接著，川崎 良介紹了坂大醫院與大阪府轄下的醫院群協調合作網絡— Osaka Clinical Research Network（OCR-net），透過坂大醫院的資料庫，基於病患同意而加入，所有的診療數據將被產官學界應用於 AI 研究與開發，而後藉由六家合作醫院進行安全計算，非公開所在機構的診療資訊，而能在資料保護的情況下進行多中心真實世界數據分析，進一步則能在 28 家合作機構醫院，透過共通數據結構（Common data structure）建構資料倉儲（Data Warehouse，DWH）。OCR-net 已經在多種疾病領域累積豐富的病例（背景人達 500 萬人次，約 1 萬張病床），進行涵蓋廣泛領域的醫療資訊倉儲化。藉由與相關醫院之間強健的網絡累積臨床數據，建構執型 AI 種子實證試驗的體制，並使其成為 AI 研究的基礎。此倉儲系統包含影像蒐集的自動化、臨床資訊蒐集與檢體收集，透過受檢者的編號進行串接。
在將醫療影像專換為數據的層面，透過 AI 技術能夠將放射影像報告自動結構化，同時進行自動診斷模型的整合，OCR-net的參與設施包含院內醫學影像存檔與通信系統（Picture archiving and communication system，PACS）、影像收集系統與共同資料庫，透過自然語言處理技術解析影像檢查清單，而透過機器學習的方法，針對影像添加註解（Annotation or Labelling），例如針對兩側肺葉有無結節性陰影的判定，可以使用 DU-Net 模型進行影像的分割（Segmentation），進一步使用 Dense Net-121 架構進行分類（Classification），後續已 Grad-CAM 進行視覺化，從而連結組織部位與影像的標記。
而 OCR-net 的數據收集基礎設施也添加了保密性的「安全計算」，包含增加建置進行相關的伺服器系統，以實際案例為說明，透過大阪大學醫院、大阪醫療中心、市立東大阪醫療中心、大阪國際癌症中心、大阪急性期總合醫療中心與大阪勞災醫院，透過 NTTCom 擁有的資料中心中的多核心安全計算基礎設施，每個伺服器規格也可以達到 24 核心的中央處理器（CPU），記憶體也將高達 512 GB。
最後，川崎 良也再度重申了「坂大醫院資料庫」的個人資料利用是具有層層把關的機制，在診療資訊方面，可以將電子病歷、影像、檢查等一般性診療資訊以假名化的形式進行利用，使用的目的也限於醫療設備及治療方法的研究開發，同時需要明確的告知包括國內外企業在內的外部機構也會使用此資訊，讓患者具有是否加入研究的同意選擇權，而在事後也可以有撤銷同意的機制。
（首圖左起：國家衛生研究院 陳為堅副院長；左三：台灣精準醫療產業協會 李鍾熙榮譽理事長；左四：臺北醫學大學 陳瑞杰董事長；左五：大阪大學醫學部附設醫院 AI 醫療中心 川崎良 副中心長；左八：臺灣日本關係協會科技交流委員會 何美玥主任委員；左九：國立研發法人醫藥基盤・健康・營養研究所 中村祐輔理事長；左十：中央研究院 張文昌院士；左十二：DCI Partners 株式會社 成田宏紀代表取締役社長；左十三：中華經濟研究院日本中心 林桓億主任）
©www.geneonline.news. All rights reserved. 基因線上版權所有 未經授權不得轉載。合作請聯繫：service@geneonlineasia.com
