北医附医全球首创颜面麻痹标注数据库，还正在建置慢性疼痛照护AI平台

台北医学大学附设医院揭露医疗AI和区块链新进展，不只布局医疗影像辨识应用，比如肝脏病灶辨识、颜面麻痹自动分析，还包括建立慢性疼痛患者的AI照护平台、持续发展AI加护病房照护系统TED-ICU。此外，在区块链应用上，北医附医近来还规划采用寿险公会的区块链平台，要与寿险业者整合，来加速医疗医疗保险理赔申请过程。

打造全球首个已标注的颜面麻痹数据库

在影像AI部分，北医附医资讯室主任康岚媖表示，颜面麻痹自动侦测是北医附医发展较成熟的医疗影像AI专案，北医附医利用深度阶层性类神经网络（Deep HNN）来自动标注影像、分析动作，可即时从录影画面中自动辨识异常颜面动作，准确度达94％，成果也发表于CVRP和IEEE等国际著名电脑视觉期刊上。康岚媖提到，北医附医为这项专案所整理的资料，还成为“全球首个经标注的颜面麻痹影像数据库。”

未来，北医附医也计划开发临床专用的多重颜面自动标注系统，要来辨识不同脸部表情和动作，比如疼痛、忧郁、睡眠障碍等（目前准确率为62％、66％、56％），除了用于临床，还要用于居家评估。

而其他医疗影像AI应用，还包括了心电图预测、肝脏病灶侦测，以及建置中的肺结节影像数据库。其中，在肝脏病灶侦测方面，北医附医采用美国国卫院的资料集（含3万2千多张轴切面的CT影像和同数量的病灶），锁定8种病灶，并发展出初期算法。不过，由于该专案仍为初期阶段，准确率只有30％。北医附医也自行收集资料、标注了1千多个病灶，要用来提高模型准确率。

结合穿戴式装置打造慢性疼痛照护AI平台

除了影像应用，北医附医也正开发一套慢性疼痛照护AI平台，要整合各种数据来进行远端照护。北医附医的构想，是藉一套云端平台和App，结合天气、地理资讯，以及患者的穿戴式装置数据，来侦测慢性病患者的生活习惯和行为模式（包括用药、运动等），找出与疼痛相关的因子，再藉聊天机器人来给予建议。

目前，这套平台已能连结4款临床和穿戴装置的数据，系统也能将病患自行输入的症状整合进病历，并提供治疗建议。康岚媖指出，未来，北医附医希望进一步开发慢性肩颈痛的AI照护平台，结合颈部和背部脊椎X光影像判读、姿势判读，以及穿戴式装置收集的睡眠和居家生活数据，来给予治疗建议，并利用监督式和非监督式机器学习来判断预后状况。

另一方面，TED-ICU是北医附医2年前针对重症加护病房管理而开发的系统，目标是透过一个仪表板来即时整合所有临床资讯，比如病患的生命征象、检验影像，来初步预测病患病情严重程度，并即时通知医生。

为进一步加强预测精细度，去年底，北医附医与台湾人工智能实验室利用加护病房的历史资料和临床医生经验，找出影响败血症的106种关键特征，共同打造出AI败血症预测系统，可预测病患4小时后发生败血症的风险，并导入至TED-ICU。

康岚媖指出，AI系统建置后，还需一连串的IT调校与临床医师反馈，而北医附医因此建立了反馈的临床资料集，也将败血症预测准确率从原本的85％提高至89％，更自行开发了一套AI病情学习平台，让临床医生利用系统收集到的病患生命征象资讯，来挑选算法和参数，来研究特定疾病的病情预测。

导入区块链将病历拥有权还给民众，要加速保险理赔和转诊流程

此外，在区块链应用上，北医附医先是于去年启动健康医疗区块链平台，利用区块链的储存和加密特性，打造出电子病历管理系统“智链护照。”这个月更结合新版医院App iTPass，正式开放给所有北医附医患者申请使用，让民众能掌握完整的病历资料，包括各种挂号资料、检验影像，民众也能决定是否要将病历分享给其他医疗院所或相关单位。

这一点，也能加速转诊和申请医疗保险的过程。为此，北医附医除了与数金科技（DTCO）发表健康医疗区块链操作系统（phrOS），近来还计划采用寿险公会的区块链平台，首波要与第一金控和中国人寿等寿险业者整合，来加速医疗医疗保险理赔申请过程。而上周末，更联手工研院举办了保险金融与AI智慧健康区块链黑客松大赛，要找出保险理赔新模式。文◎王若朴