AI趋势周报第148期：国泰医院靠健保署大数据提高5大慢性病罹患预测率

重点新闻(1030～1105)

慢性病预测    健保大数据     国泰医院  

国泰医院靠健保署大数据提高预测5大慢性病罹患概率，精准筛检高风险民众早预防

国泰综合医院早从去年就将AI应用于健康照护计划，来筛出五大慢性病高风险民众，包括心、脑血管疾病、慢性阻塞性肺病、肾脏病、糖尿病、慢性肝病，并即早进行健康干预措施，至今已有1千人参与。但过去训练数据量有限，训练出来的AI模型预测表现不佳，后来，他们采用2010年到2019年的健保署医令数据来训练模型，光是慢性肾脏病的资料规模就达先前的6倍，糖尿病数据更达13万笔。

身兼计划主持人的国泰综合医院家庭医学科暨社区医学科主任杨逸菊指出，相较于先前已发表的模型，在运用健保署的数据后，至今其预测模型，不论是在预测民众1年与3年内罹患5大慢性病概率的鉴别能力的AUC数值，皆达0.75以上，甚至慢性肺病与糖尿病达到近0.85的水准。她表示，国泰医院未来也打算将这些模型落地到国泰医院各院区，实现更好的慢性病预防与照护，减少这些慢性病的照护支出。

  健保署     非自然人    去识别化  

健保大数据开放百万名去识别化逝者资料供企业申请

卫福部健保署日前揭露健保数据库开放的最新进程，继去年开放学研界申请健保数据库之后，最近上线一套非自然人健保资料应用平台，不只开放给-机关和学研单位申请使用，申请资格更新增“个人或法人”选项，等于企业现在也可以申请运用这批已故者的健保大数据来进行AI研究。

健保署表示，个资法仅规范自然人权益，而非自然人（已故者）不在此限。因此，健保署将已故者资料逐一归户和去识别化，汇入由广达捐赠的客制AI医疗云运算整合平台，作为资料运用平台，并上月初修正健保资料应用作业要点，正式开放企业或个人，在这套平台中进行医疗AI的相关研究。（详全文）

  胰脏癌     医疗影像判读     Lending DocAI  

台大靠DL从胰脏CT影像准确找出罹癌的细微病灶加快诊断

台大研究团队MeDA近日展示了一项AI医疗影像辨识新成果，他们与与台大医院合作开发出一套AI胰脏癌影像侦测系统PANCREASaver，来辅助医师快速诊断胰脏癌，尤其是小于2公分的初期胰脏癌的病灶，在电脑断层（CT）影像资料上有如一粒小黑点，即使是专业放射科医师也不易察觉，使得患者存活率大大下降。

为了早一步诊断，团队花了2年搜集约3千笔CT影像资料，来训练机器学习模型和卷积网络模型，分别用来自动标记胰脏癌和肿瘤位置，并从医疗CT影像自动给出病人发生胰脏癌的概率，供医师参考。后来，团队也使用健保署约1,500笔CT影像资料做验证。台大医院内视镜光学诊断暨治疗中心主任廖伟智表示，该系统对小于2公分的胰脏癌辨识已达98.3%正确率，甚至高于人类专家，且在健保署资料的验证中亦可达91.1%的正确率。该研究成果已发表于国际医疗专业期刊，并在今年获得了美国消化医学会年会杰出论文奖。（详全文）

  BERT子集架构    Amazon       神经搜寻架构  

还在寻寻觅觅寻找小而美的BERT参数设计吗？别担心，Amazon新研究能用AI找出更有效的参数子架构

这几年，以Transformer架构建成的BERT，一直是解决NLP任务的热门预训练模型。但BERT庞大又复杂的训练过程，也伤透许多开发者的脑筋，得花时间找出较不耗费运算资源的子架构。

现在，这个问题貌似有解了。Amazon Alexa团队近日发表一篇研究成果，他们利用新兴的神经架构搜寻算法，以推论延迟性、参数大小和错误率等三个指标，从大型BERT中找出最有效率的架构参数子集Bort，大小是原本BERT有效架构（不含嵌入层）的5.5％，等于BERT净大小的16％。经测试，相较于BERT-large需要1,153个GPU小时来完成预训练，Bort只需要288个GPU小时；在NLP基准测试上，Bort的表现几乎比BERT-large要好，在GLUE测试中，预测表现提升了0.3％至31％不等。目前，Bort程式码已于GitHub上开源。（详全文）

  微软    机器学习训练工具     Lobe  

微软推出简易好用的免费版机器学习训练工具Lobe

微软释出免费桌机版机器学习训练工具Lobe，使用者就算不具资料科学背景，也能训练机器学习模型。Lobe目前为预览版，Windows和Mac用户都可使用。

Lobe App是微软2018年收购的新创，主打简单易用的机器学习模型。一般使用者只要将想训练的图片汇入到App，加上标签就可建立资料集。Lobe无需设定或组态，就能自动选择适合的机器学习架构来模型训练。使用者可试玩产出的模型，依其视觉判断结果即时评分，并给予回馈。微软表示，模型训练完即能汇出TensorFlow或CoreML，可在一般标准平台上执行，也能用于应用程序、网站或装置上。目前Lobe仅支援图像分类模型，但微软预计将扩大到其他模型或其他类型资料。（详全文）

Excel    微软    Power BI  

要成为万用BI分析工具，微软Excel可新添自有和公共资料了

微软日前宣布，用户将可在Excel中加入自有资料或上百种公开资料，比如使用者可将三方客户追踪系统的结构化资料，汇入至Excel。如果使用者采用Power BI，Excel可自动连接，将Power BI发布的资料自动汇入Excel，使用者也可从Excel搜寻。

若无Power BI，使用者也可使用Excel Power Query技术，手动连结数十种资料源，作为Excel资料类型。这些资料源可以是SQL Server、MySQL、PostreSQL，或是Teradata、Facebook等。至于公共资料类型，Excel则可连结100多种资料类型的资料，包括化学式、文字记录、邮递区号、或基因资料等公共资料，微软也提供了一些分析范本，方便使用者用Excel追踪营养资讯、追踪股价、学习化学等。（详全文）

疫情模拟器    武汉肺炎     AWS  

AWS释出新一代疫情模拟器和ML工具包，来防止疫情扩散

AWS日前开源释出一款新模拟器和ML工具包，要来预测并防止COVID-19疫情扩散。进一步来说，释出的工具包括疫情发展模拟器，以及多个机器学习模型，可用来预测干预手段的成效，来辅助决策者制订有效的防疫策略。

AWS指出，特别的是，这套模拟器可分配每个人的疾病变化概率分布，比如，使用者可设定参数，来看个人接触到确诊者14至21天后，是否会在2至5天内出现症状。同时，模拟器也能以人口动态变化，来预测个人感染风险，比如某人从A城到B城，感染风险是否会由容易感染转变为完全暴露于危险中。除此之外，AWS的模型还不同模板，比如州郡，来预测采取不同政策的成效。（详全文）

Landing AI     制造业      瑕疵检测  

吴恩达开发制造业用AI视觉检查平台

Google Brain创办人吴恩达成立的新创公司Landing AI日前推出一款制造业专用视觉检验平台LandingLens，可建立、部署和扩展AI视觉检测解决方案。

LandingLens的功能涵盖资料搜集、AI系统建立和实际应用，平台内建资料准备模组，可用来产生标签资料。此外，平台也提供训练工具来加速模型开发，其中的推理和监控模组能协助将模型部署到边缘装置，还能持续追踪部署状态。LandingLens还有个特点，也就是直觉性的界面，让非AI专家也能透过点及鼠标，来训练、部署模型。（详全文）

图片来源／脸书、DeepMind、Google、微软

 AI趋势近期新闻 

1. 台湾人工智能学校将于11月13日展开两天年会，台积电、玉山金、中钢等重量级人物现身说法

2. Alphabet X发展监测忧郁症脑波的AI及头戴监测装置

3. 英特尔买下AI软件最佳化平台SigOpt

4. AI Labs宣布成立台湾联合学习医疗联盟，6大指标医院和-部会都加入

资料来源：iThome整理，2020年11月