【医疗影像AI实例：中国医药大学附设医院】AI看一眼，提早3年揪出初期乳癌病灶先治疗
中国附医人工智能医学诊断中心主任暨长佳智能首席执行官黄宗祺表示，目前医疗AI的困境，是因为信心收费问题。他建议政府应将AI纳入健保给付点数。（摄影／洪政伟）
“乳房超音波AI辅助分类系统，能在初期就侦测出恶性肿瘤，甚至早个3、5年就发现了。”中国医药大学附设医院（以下简称中国附医）人工智能医学诊断中心主任黄宗祺指出，乳房超音波摄影是检查乳癌的关键，虽然超音波不具辐射，也不需要进行侵入式手术，但却有个缺点，也就是影像噪声高、肉眼难以判定初期病征，因此要不断追踪，才能确诊。但这个过程，却可能让病患错过即早治疗的时机。
为改善这个问题，中国附医在取得病患同意后，收集了多位乳癌病患跨年份、不同阶段的超音波影像，利用预处理后的4万多笔乳癌超音波影像资料以及一种特殊的深度学习方法Xception架构，来开发这套乳房超音波AI辅助分类系统。
由于这些影像是在不同阶段拍摄，能反映出肿瘤生长状况，黄宗祺表示，AI模型靠着撷取影像细微特征，能够在肉眼难以判断的初期阶段，就侦测出肿瘤，并辨识肿瘤良、恶性程度。目前，这套AI系统的肿瘤辨识率已达9成以上。不过，黄宗祺提到，肿瘤良、恶性辨识率仍约7成左右，还需要不断训练，来提高准确率。
AI骨龄X光诊断，1秒就知道
除了乳癌超音波AI，中国附医还有一个医疗影像AI尝试，也就是家长和孩童最关心的骨龄诊断。黄宗祺解释，骨龄X光片是用来判断孩童发育的关键方法，如果骨头年龄与生理年龄不一致，代表孩童成长过程中出了问题，比如性早熟或生长激素不足。
“人工判读骨龄X光片要花上好几分钟，”黄宗祺指出，传统骨龄判读方法是，医生得翻阅一本全球通用的骨龄图谱，对照患者的手骨X光片，看符合图谱中哪一张手骨，图谱上那一张手骨X光所代表的年龄就是患者的骨龄。不过，这个比对过程，就算由20年以上经验的资深医生来判断，至少要花上6至8分钟。
而在去年，中国附医就开发一套AI骨龄辅助判读系统，不仅不到1秒就能判断骨龄，还可以预测身高。这套系统采用卷积神经网络（Convolutional Neural Network，CNN）中的DenseNet-121架构，由拥有20年临床经验的中国医药大学副校长暨儿童遗传科主治医师蔡辅仁亲自出马，一一标注了上万张X光片影像，再由中国附医的子公司长佳智能负责训练AI模型。
中国附医已将这套系统应用到小儿科临床门诊上。医生只要在病历系统网页点选“AI”按钮，就能检视AI判读骨龄X光的结果。如果医生认为AI的判读结果有误，也能手动修正、回传资料来改善AI模型的准确率。蔡辅仁表示，目前准确率已达95%以上，骨龄判断误差值仅3个月，比全球骨龄AI竞赛冠军的预测能力，还要精准。未来，这套系统不仅能用于小儿科，还能在中医派上用场。
中国附医与长佳智能开发的骨龄AI诊断系统已于临床试用，医生只要于病历网页点选“AI”，就能检视AI系统产生的骨龄报告。目前，该系统准确率已达95%以上。
中国附医展开AI Smart Hospital计划，还从硬件和组织下手
从3年前，中国附医就开始投入医疗影像AI的研究，骨龄AI辅助诊断系统是其中最早也最成熟的应用。黄宗祺指出，它的出现，象征着中国附医拥有的资料和团队，已经有能力垂直整合打造出AI系统，未来将推出更多AI应用。
今年初，中国附医AI门诊正式上路了，首波应用于儿科、乳房外科、胸腔科、心脏科、肾脏科、眼科、精准医学和健检中心等8个科别，已经运用到多项医疗影像AI技术，包括骨龄判读、心电图波形判读、胸腔X光异常判读、肾衰竭预测、乳房超音波判读和糖尿病视网膜病变判读等。这些AI应用，皆由教学医院等级的专科医生来标注数万例影像，经临床诊断的回馈和模型调校，准确率已达85%以上。
为发展医疗影像AI，中国附医还从硬件设备、内部组织与人才下手。为有效率训练深度学习模型，2年前，中国附医购买了Nvidia超级电脑系统DGX-1，来训练骨龄诊断、乳房超音波、肝癌侦测等AI模型。
以骨龄AI模型来说，黄宗祺解释，比起传统CPU，DGX-1的训练时间从35小时缩短至42分钟。而去年更导入第二代超级电脑系统DGX-2，同规模的模型训练，不到11分钟就能完成了。
“每个模型的训练，都是一次试错，”他指出，光是骨龄AI模型，就历经了上百次试错才完成。也因此，模型训练时间越短，就越能有效率地开发AI模型，这也是中国附医看重硬件投资的原因。
中国附医利用4万多笔乳癌超音波影像资料和Xception架构，开发出乳房超音波AI辅助分类系统，肿瘤侦测准确率已达9成以上，最多还能提早3、5年诊断出初期病征。 （摄影／李宗翰）
每个医生都是产品经理，才能开发出符合需求的医疗AI
但是，“光有硬件还不够，”黄宗祺点出，组织调整和人才也是打造医疗影像AI的核心。中国附医先是成立人工智能医学诊断中心，来研究能应用于临床的AI模型，并建立医疗影像和结构化病患临床资讯数据库。他提到，医生常常定期与中心的医疗工程师开会，来研究、讨论开发不同AI应用的可能性。
不过，人才是医院打造医疗影像AI的最大挑战。打造AI系统需要AI架构师、生医资讯工程师、资料科学家，甚至是医材法规专家。但是，这样的人力编制俨然与医院编制不同，所需预算也不尽相同。在医疗体系中，医护人员与病人才是主角，相较之下，技术人员和资讯人员属于辅助角色，薪资待遇自然不比第一线医生。在黄宗祺眼里，这个原因使得AI人才不愿踏入医界。
也因此，中国附医去年成立了科技医疗公司长佳智能，由黄宗祺担任首席执行官，以与医院不同的编制和薪资待遇，集结了30多名AI相关人才，来开发AI产品。他也强调：“医疗AI的关键是专科医生多年的经验，”因此，长佳智能由专科医生来担任产品经理，由医生主导专案、提出需求，再由技术团队打造出相应的AI产品。
尽管中国附医积极发展医疗AI，黄宗祺认为，台湾整体医疗AI的发展热度，还远不如国外。他指出，目前医疗AI的困境，是因为信心收费问题。如果政府认可，便有利可图，资本市场也会挟其资源进入台湾。
他建议，政府应将AI纳入健保给付点数，比如同样是判读X光片，医生判读一次的健保点数现为70至80点，若政府同意改用AI辅助判读，可因缩短人力作业负担，而大幅减少给付点数，不需要到原本的70、80点，一来可降低健保负担，另一方面也能凸显政府的认可。这么一来，“全世界的资金、人才、创意，都会集中在台湾，形成一个发展医疗AI正向循环的聚落，”黄宗祺如此说道。
