第 6 届亚洲医疗创新论坛：AI 应用无远弗届，专家畅谈未来医疗发展布局

由国家生技医疗产业策进会（生策会）、生策中心主办，于 2023 台湾医疗科技展首日（11 月 30 日）举行的第 6 届亚洲医疗科技创新论坛（Med x Tech Summit Asia）除了有科技界巨头亲临现场分享全球智慧医疗产业发展新趋势，更有台湾与海外的医疗体系领袖共襄盛举，以前线实践经验为基础，讲解 AI 和资通讯科技在医疗场域中的落地应用。

BioFuture NYC 2022：善用尖端科技，迎接高龄世代（基因线上国际版）

AI 医疗科技高速发展，联邦学习突破隐私权限制

英特尔（Intel）业务与行销副总裁暨网络与边缘运算解决方案总经理 René Torres 的主题演讲以“创建 AI 医疗科技高速发展平台”为题，分享这家芯片龙头大厂如何推动更高效和更安全的 AI 医疗创新。他强调 AI 的医疗应用可谓遍地开花，涵盖疾病筛检、药物发现、基因体学、机器人手术和数位病理学（Digital pathology，意即将传统玻片完整扫描成数位影像档，再以电脑技术和 AI 系统来获取、管理和解读其中的病理资讯）等范畴。

透过全面引进 AI ，不但能快速处理巨量的医疗数据，也能大幅改善药物开发的成本效益。而借助资料视觉化和图像辨识等技术，将有望减缓全球医疗人员短缺的问题，应对更多未被满足的临床需求。另外，受惠于自然语言处理（Natural Language Processing，NLP）和大型语言模型（Large Language Model，LLM）的发展，医师可以快速生成病历报告，利用节省下来的时间专注为病人提供更好的照护。

Torres 总经理又提到，随着具备人工智能功能的 AI PC 面世在即，生成式 AI 将会破天荒首次被引进至个人电脑中，预计到 2025 年出货量将上看超过 1 亿台，而 AI 在医疗场所中的应用也可望以前所未有的步伐快速发展。他指出英特尔旗下的 Intel Core Ultra 处理器除了 CPU 芯片之外，也备有图像处理器（Graphic Processing Unit，GPU）和神经网络处理器（Neural-network Processing Unit，NPU）。GPU 可用于快速判读 X 光片、MRI 和 CT 等各种医疗影像，减低 CT 扫描所需幅射剂量并加快扫描效率，将原本耗费数小时的过程缩短至 30 分钟内完成；而 NPU 则可应用于低功耗、可持续运作的 AI 系统，能够在需要持续监控病人状况的情景中派上用场。

演讲中也提及开放式联邦学习（Open Federated Learning，OpenFL）的概念，Torres 总经理认为拓展医疗 AI 应用不可能单靠英特尔一家厂商，而是需要一个生态系统，当中科技业界和医疗体系的合作更是不可或缺。例如基于法规和病人隐私考量，病人医疗记录不可流出到医院外，但借助 Open FL，研发人员就能在不侵犯病人隐私的前提下，经由开源专案获取资料。他引用一项英特尔 Intel Labs 与美国宾夕法尼亚大学佩雷尔曼医学院（Perelman School of Medicine at the University of Pennsylvania）合作进行的研究为例，该项目是迄今为止全球规模最大的医学 FL 研究，在 6 大洲 71 个医疗机构共蒐集约 6,300 个病人的 MRI 扫描影像，再透过深度学习训练 AI 模型来辅助脑肿瘤诊断。

英特尔业务与行销副总裁暨网络与边缘运算解决方案总经理 René Torres 强调 AI 的医疗应用可谓遍地开花。另外透过联邦学习，未来有望在不侵犯病人隐私的前提下建立更强大的医疗 AI 模型。（图片来源：生策会提供）

除了 Torres 总经理本身的演讲外，他也邀请了亚东纪念医院（亚东医院）院长邱冠明医师上台讲解 AI 和资通讯科技在医院层面的落地应用。邱院长提到亚东医院是在新冠疫情期间台湾第一家部署居家护理的医院，借助交互式语音应答、手机应用程式和 AI 聊天机器人，每日处理约 10,000 个案件。后来医院又引进虚拟诊所、远距医疗和远距药局的组合，为符合资格的确诊患者快速提供抗病毒药物。

作为英特尔在台湾的其中一个合作伙伴，亚东医院于 2023 年在 AI 应用方面有重大突破。邱院长以一个借由分析嗓音以辨识喉癌病征的 AI 模型为例，分享 AI 如何协助医师实现及早诊断和早期介入。该模型结合远传电讯的“5G 远距诊疗平台”、英特尔的 OpenFL 技术、亚东纪念医院的嗓音数据库、以及捷络生物科技（JelloX Biotech）搭载 AI 模组的 3D 病理分析软件 MetaLite，只要透过手机麦克风收集病人 2 至 3 秒的声音，就可以预测罹患喉癌机率，让偏远地区民众运用远距诊疗，把握黄金治疗时间。

以色列最大医院布局智慧医疗，转型长分享 AI 应用实例

炉边对谈环节由台北医学大学健康资讯科技国际研究中心李友专主任主持，大会邀请到以色列示巴医疗中心（Sheba Medical Center）首席数位创新转型长 Eyal Zimlichman 教授担任嘉宾，分享 AI 未来医疗发展趋势，讲解全球顶尖智慧医院 AI 布署策略与思维。

示巴医疗中心位于以色列特拉维夫（Tel Aviv）地区，是全国以至中东地区最大的医院，每年诊治超过 160 万名病人。该医院自 2004 年起已落实全面无纸化，并持续引领数位医疗转型，目前已累积约 200 万名病人的数据，并拥有汇集了 800 万笔影像的数据库。凭借在医疗场域中广泛且深入应用电子资通讯科技，示巴医疗中心自 2019 年起连续 5 年获《新闻周刊》（Newsweek）评为全球前 20 大最佳医院（2023 年位列第 11 名），又于 2023 年入选全球 20 大智慧医院（排行第 13 名）。

Eyal Zimlichman 教授的分享以“由创新迈向转型”为题，他提到示巴医疗中心在 2019 年 11 月成立 ARC（Accelerate, Redesign, Collaborate）数位创新中心，致力加速数位转型并建立生态系，让以色列数位医疗新创公司可以跟医院合作，共同开发解决方案。ARC 中心秉持数位健康、开放和有机创新、国际合作以及结构化平台 4 大核心理念，瞄准精准医疗、延展实境（Extended reality）、人工智能、生物医学工程和远距照护 5 大领域，其愿景是在 2030 年前为全球医疗体系带来革新。

针对 AI 的生医应用，Zimlichman 教授指出他们特别着墨于预测分析、临床辅助决策、静态和动态数位影像分析等范畴，又以医疗影像 AI 新创 Aidoc Medical 为例作进一步讲解。Aidoc 于 2017 年从示巴医疗中心分拆出来，旗下 AI 产品已在全球超过 1,200 家医院落地应用，尤其在急诊部门，可用作识别中风和肺栓塞等危急状况。近日示巴医疗中心参与了一项前瞻性研究，当中就使用了 Aidoc 的解决方案，研究成果于 2023 年 8 月公开发表，显示在急诊室使用 AI 辅助诊断和病人分流，可以令颅内出血（Intracranial hemorrhage）死亡率减少 30%。

Zimlichman 教授也介绍一个名为“病理影像组学（Pathoradiomics）”的新学门。影像组学（Radiomics）是将大量医疗诊断图像（包括 MRI、CT、PET 扫描等）转换成定量性大数据，借助 AI 整合分析找出肿瘤形状、大小及其他各种癌症特征。而病理影像组学就是将上述应用延伸至病理学玻片影像，让医师可以透过影像分析就能识别出与癌症相关的基因变异和生物标记物（Biomarkers）。以非小细胞肺癌为例，有研究显示利用深度学习算法，可以跳过进行基因定序步骤，直接从病理学玻片影像中辨识出 ALK 和 ROS1 融合（ROS1 fusion）两种突变。有关技术未来若能发展成熟，医师有可能在不需进行切片活检的情况下，凭借分析医疗影像就能得知病人体内携带哪些生物标记物，继而做出适切诊断。

虽然目前临床数据品质和获取数据的途径仍然有相当限制，可能对医疗 AI 的应用普及化进程构成障碍，但就整体而言，Zimlichman 教授对 AI 发展表示乐观。他形容：“非生成式 AI 正在不断地演进（evolution in motion），而生成式 AI 则是蓄势待发的革命（revolution waiting to happen）”，强调 AI 在医疗场域的应用将会对服务品质、病人安全、健康成效、医疗成本、病人体验与健康公平（Health equity）等范畴带来“重大且意义深远的影响（substantial and meaningful impact）。”