AI趋势周报第113期：5分钟就完成！中国附医用NLP和电脑视觉自动产生癌症治疗报告

重点新闻(1206～1212)

中国附医    自然语言处理    电脑视觉  

5分钟就完成！中国附医用NLP和电脑视觉自动产生癌症治疗报告

中国附医展示自家新开发的癌症评估AI系统，结合自然语言处理（NLP）和电脑视觉，可根据大肠癌和子宫颈癌患者的医疗影像，找出特征点并利用NLP，5分钟即可生成初步诊断报告，再由放射肿瘤科或核医科医生审核。同时，系统也会根据病患接受首次治疗的资讯，来建议合适的疗法，比如放射治疗、化疗、细胞治疗或标靶药物治疗，可细致到特定药物推荐。

进一步来说，当患者接受第一次癌症治疗后，中国附医会请患者拍摄医疗影像，来检测治疗效果，而AI系统会根据影像特征，来推估患者状态，比如移转概率、复发概率、死亡概率、复原概率，同时利用NLP产生基本报告，再由放射科医生进行更完整的报告，节省原本人工所需的30-40分钟，让医生有更多时间，来与患者解释合适的治疗方法与效果。这套系统也已在院内研究测试，而在推广上，中国附医指出，这套系统可透过迁移学习，来训练其他癌症的判读模型，推广到其他癌症。

国家灾害防救科技中心     最佳路径     AI  

水灾爆发怎么逃？国家灾防中心发表最佳疏离路径AI功能，将整合LINE官方账号提供

国家灾害防救科技中心日前展示自家最新打造的水灾避难所最佳路径的AI功能，透过整合中央和地方-资料，能在洪水泛滥时，利用算法来规划民众所在地到附近避难所的最佳路径，并且能即时避开封闭的道路，即时调整路径。中心研究员进一步解释，该功能的算法是以最短路径为基础，要是行进中侦测出道路临时封闭，就会重新规划另一条最短路径。

此外，由于临时避难所收容人数等资讯由地方-管理，明年，灾防中心也计划与各县市-推广，要介接更多资讯，整合至灾防中心的LINE官方账号，方便民众在水灾来袭时，有更多资讯辅助撤离。另外，灾防中心LINE官方账号中，已新增Google地图的AR导航功能。（详全文）

  长庚医院     微生物特性    对症下药  

长庚医院用AI揪出致病细菌，不仅省时更能对症下药

林口长庚医院日前于2019年医疗科技展上，展示自家打造的质谱仪微生物特性鉴定AI，可快速辨识感染疾病的微生物特性，进而找出抗药性，让医生能依此对症下药、给予正确的抗生素来治疗，准确率达90％以上。

开发这套系统的林口长庚纪念医院检验医学部主治医师王信尧指出，一般治疗感染疾病的病人，通常要先透过仪器检验，比如痰，从中找出致病细菌，再根据细菌的抗药性来开药。但是，这个过程通常需要3-5天时间，所以，医生得在病患就诊当下，先凭经验开药，待检验结果出炉后，再针对致病微生物另外开药。

为了缩短正确开药时间，王信尧团队自2年前开始，就利用自家检验仪器质谱仪分析的50万笔蛋白质资料，来设计、训练AI算法，来从上千个蛋白质特征中，判断细菌种类、找出合适的药物。现在，医生只要将质谱仪资料上传，系统就能快速判断出致病细菌，以及该用或不该用何种药物治疗。这套系统目前已于内部测试，预计明年进入临床阶段。（详全文）

  Netflix     资料科学框架    Metaflow  

Netflix开源内部Python资料科学开发框架Metaflow

Netflix锁定资料科学家的开发需求，释出内部专门设计的应用开发框架Metaflow，除了可让使用者灵活开发模型外，也与AWS服务整合，可快速存取在S3上的资料、使用SageMaker机器学习服务。

Netflix指出，Metaflow框架已在内部使用两年，用来开发数百个资料科学专案，包括自然语言处理和操作搜寻等。Netflix表示，Metaflow是要缩短模型进入生产部署的时间，加速迭代和除错，来满足资料科学家的需求。Metaflow是一套简单的Python函式库，资料科学家可将工作流程表达为有向无环图（DAG）。另一方面，Metaflow整合了AWS服务Amazon S3，可自动产生其中所有程式码和资料快照。（详全文）

  AWS    Java       深度学习  

AWS释出Java深度学习开发框架DJL

AWS开源Java语言的深度学习函式库DJL（Deep Java Library），开发者可利用高阶API，来开发、训练和执行深度学习模型。AWS解释，DJL是要让企业也能用原本熟悉的程式语言Java，来建立和训练深度学习模型。

DJL以原生Java概念，建立在现有的深度学习框架上，透过简单的API，来降低开发深度学习模型的复杂性，并提供一组预训练模型，让用户可快速将深度学习技术整合到Java应用程序中。DJL可用于各种案例，像是零售业用来预测客户需求，或是提供聊天机器人服务，甚至也能在汽车工业发挥作用，可导航自驾车或找出产品缺陷等。（详全文）

  IDC    AI融合    透明化  

IDC预测：2020年AI将融合式发展

市场调查机构IDC针对台湾ICT市场发表预测报告，指出台湾将进入数据驱动的转型2.0时代，AI则是加速转型的重要原因。IDC认为，AI将朝融合式发展，也就是在资料、算法和流程三个层面融入新元素。比如，资料分析来源从静态的历史资料，转为融合动态即时情境，像是加入影音串流资料等，来提升AI预测能力。

至于算法，则从单一功能导向，转变为情境式导向，融合分析情境的变因，像是交通监控除了辨识车辆车牌，也需辨识车速、即时天气等，让算法的执行结果更为精准。再来，AI分析应用流程，将融合透明化与自动化，来定义流程，掌握使用情境和资料收集类别等，打破业务单位与开发单位的资料不透明隔阂。（详全文）

健检大数据    冠心症     长庚医院  

健检病历大数据揪出冠心症倾向，提早数年来防范

长庚医院日前展示自家开发的冠心症预警AI，利用数十年20万笔健检、病历资料，来训练机器学习模型，可提早数年看出冠心症倾向，让民众即早治疗，预防憾事发生。

冠心症是导致猝死的主因，通常是长年生活习惯不良演变而成。林口长庚纪念医院检验医学部主治医师王信尧与同事运用长庚医院过去十年累积的20几万笔资料，包括接受心血管标志筛选套组的成年人电子病历资料与临床资讯，像是性别、年龄、身体质量指标、高血压病史、糖尿病史、血脂、糖化血色素、微白蛋白等近20项病理资讯，来训练一套冠心症预警系统，可根据民众健检数值，来预测未来数年罹患冠心症的风险，进而给予相关建议和疗法等。这套系统已于院内测试，准确率维8成，也已取得中华民国专利。

AWS    程式码     运算资源监控  

AWS推出自家程式码导师服务CodeGuru，替用户揪出浪费运算资源的程式码

AWS推出程式码导师服务CodeGuru，可自动审查程式码、找出程式码中最耗费运算资源的部分，并提供最佳写法建议。CodeGuru包含了可静态分析程式码的Reviewer，以及动态分析程式的Profiler，其中，CodeGuru Reviewer以规则探勘和监督式机器学习模型训练而成，可侦测AWS API和SDK的使用状态、找出潜在问题，比如缺失的分页或批次操作中的错误处理。

而CodeGuru Profiler则提供优化建议，揪出最耗费CPU资源的程式码，并提供修复建议。比如，Profiler可找出过度执行的日志纪录，或是过度重建耗费资源的物件等问题，并提供建议，让用户修改程式码来降低CPU使用率。（详全文）

摄影／王若朴

图片来源／AWS、Netflix、国家灾害防救科技中心

 AI趋势近期新闻 

1. AWS推出专为机器学习设计的开发环境SageMaker Studio

2. AI也会读空气！脸书发展可理解游戏队友意图的AI

3. IntelliCode获OpenAI GPT-2模型强化，现可提供全行程式码完成建议

4. 北市联医联手工研院打造伤口远距照护App，靠AI自动计算伤口面积辅助医生远距看病

资料来源：iThome整理，2019年12月