AI 醫療應用

1.透過人臉辨識持續監控管制者是否為其本人進行量測，以及其心率狀態是否高於個人的常值。 2.生理資訊檢測：員工及會員於居家期間內的特定抽查時間，進行生理資訊檢測 後，上傳該隔離者的生理資訊量測結果。

Labelhub 影像標記管理&自動學習及輔助系統，是專門設計給真的需要建模的人使用，它使用半自動化影像辨識的AI架構，結合人工標記的介面，和能自動生成標記資料的AI模型，搭配十足友善的客製化設計介面，協助解決標記影像工作流程中可能出現的各類問題，例如影像資料管理、人員權限控管、系統資源分配、模型版本控制…等。應用領域包括醫學影像辨識、科技業產品良率控管、製造業工安辨識、安全監控…等領域。

1.建立以國人為樣本的AI醫療影像辨識系統：本計畫使用彰化基督教醫院的國人醫學影像為樣本訓練AI醫療影像辨識模型，並採用CNN提升模型正確性與穩定度，期望從原本之二分法（良惡性）轉變為機率表現之BIRADS分級。 2.提升乳房X光攝影判讀效率與正確性：透過AI輔助，可降低放射科醫師工作量與降低病患等待報告的時間，且可降低醫生主觀判斷的差異並避免人為疏失。 3.為AI醫療影像大數據奠基：與台大生醫電資所合作，提升乳房X光攝影的AI醫學影像診斷準確度，未來可類化至電腦斷層掃描、超音波攝影，奠定醫療大數據的基礎。

BIODND 是一款專為生命科學產業經理人、商務開發專家及投資人設計的 AI 智能數據庫。該平臺集成來自亞洲、歐洲及北美的企業資訊，透過自然語言處理與機器學習技術，自動解析並整合產業數據，以提升交易機會發掘與市場評估的效率。未來將擴展至學術機構的研究團隊數據，以促進產業與學研界的合作。 BIODND 具備即時數據更新、自動標籤分類、關聯性分析及生成式 AI 報告功能，讓用戶能快速掌握市場趨勢、尋找潛在合作夥伴，並做出精準的投資決策。

實務上醫療機構對公司所提供之AI應用有迫切需求，並且國內尚無相關急重症預測軟體獲得醫療器材二級許可證，因此此應用在市場上具有其特殊性與獨占性，無須進行生物標記即可產出風險機率值，將更容易與臨床醫療資訊系統進行結合而加速拓展至國內外市場。 運用人工智慧技術，能夠預測未來24小時之後病人發生AKI(急性腎臟損傷)、ARDS(急性呼吸窘迫症)等重症的機率值，藉此資訊輔助醫事人員判斷病人發生AKI、ARDS等的風險，並能即時且連續性的超前預測，掌握介入的黃金時機。 所需之輸入資料，須由醫院端依API手冊之指引實作Software Interface，有兩種模式(Model)，以AKI(急性腎臟損傷)為例： Model-1：醫院資料來源主動、定期推送資料至Software Interface，本產品再定期向Software Interface取得。 Model-2：本產品定期向Software Interface索取資料時，Software Interface才向醫院資料來源索取資料。 上述Model-1、Model-2只需擇一實作即可。 本產品輸出主要為兩大部分： 1.風險機率值：數值範圍為0%~100%，數值越高代表急性腎損傷(AKI)發生的機率越高。 2.特徵權重值與其排序。 (1)本產品之預測產出共21項特徵及其權重值(-1.0~+1.0)，特徵權重的絕對值越大，代表該特徵對於預測模型的重要性越高。 (2)輸出特徵權重值及排序之臨床判讀，臨床醫療人員可以參考產品輸出的特徵排序，了解該病人發生AKI風險的重要因素。

美髮連鎖店為了提供更好的頭皮護理服務給予消費者，長期花費大量的金錢與人事成本培訓「頭皮管理師」，培訓時間最少6個月。加上，人員異動頻率高，使人才的養成以及投入成本的回收困難。每位消費者的狀況不同，如何讓美髮師有一個簡單的工具幫助消費者認識與理解自我頭皮的健康狀況，並且能夠將頭皮的問題給予標示清楚，將是頭皮管理致勝的關鍵。堅兵智能打造的第四代膚質檢驗系統，蒐集超過幾十萬張不同圖資，使用電腦視覺深度學習網路，來辨識分析阻塞，油脂，敏感等各種膚質/頭皮的狀況，進而推薦消費者適合他們頭皮狀況的理療項目及產品，取代過去用人眼辨識的做法，大幅提高顧客滿意度。

醫療影像資料占醫學資訊量 80%，每張醫學影像相關標註，皆是重要的醫療診斷資訊，若可收集放射科醫師平日工作之醫療註解資訊，將可大幅提升人工智慧訓練成效，降低電腦偽陽性與偽陰性之判讀，進而提高AI輔助醫學影像判讀之可行性，提升放射科醫師工作效率。尤其目前醫院在影像醫學科醫師人力普遍不足，預防意識抬頭以至於醫學影像判讀需求遽增，此外先進儀器產生資料量快速增長，皆造成相關工作負荷過重。又特別在偏遠地區專業影像醫學科醫師短缺，若能應用AI輔助醫學影像判讀，提高辨識率外，在影像微小的病灶查找、病灶連續追蹤上，亦可為醫療專業人員強化輔助操作能力。另結合相關檢查檢驗的報告提醒參考與比對，據研究可再提升輔助診斷正確率。最後，將確認的檢查發現導入結構化報告以支持進一步的臨床研究，亦為進入精準醫療目標不可或缺之步驟。本計畫期以建置一套影像AI報告產生平台，使用AI協助醫師更容易撰寫報告，減輕醫師負擔，系統內含可持續提高精準度的AI學習機制。

本應用核心緣起，即在於改善這些「診間依賴、資料分散、缺乏標準」的問題。藉由推動 722 居家血壓標準（7 天、早晚各 2 次、連續 2 週），並串聯診所、社區血壓站與居家設備的數據，建立一個完整的血壓管理網絡。我們同時導入 AI 技術，協助進行異常數據偵測、長期趨勢分析與個人化衛教，讓醫師與病人都能透過系統即時掌握狀態。

我國糖尿病患者視網膜病變盛行率約35％，且十分之一將會發展至威脅視力程度的增殖性糖尿病視網膜病變，造成巨額醫療照護支出。台灣糖尿病眼底拍攝需求大，但篩檢率低(約33%) ，透過「糖尿病眼部影像AI決策支援系統」能協助醫師短時間內更精確的診斷，並輔助非專科醫師/視光師初步快速篩選可能視力病變的病患，以提早控制與治療避免疾病惡化。工研院服科中心「AI+一站式視力健檢」採用嵌入式糖尿病眼底病變辨識系統，連接至數位眼底鏡，利用人工智慧之深度學習方法，醫生對糖尿病眼部專業經驗病變影像判讀的建模，從巨量醫療資料學習出糖尿病視網膜病變辨別模型，可直接完成糖尿病視網膜病變嚴重度判讀輔助即時診斷。「糖尿病眼部影像AI決策支援系統」整合眼底鏡設備，完整AI系統移植於不到10公分長的智慧閘道器，整合十餘款不同廠牌型號的眼底鏡設備；內含由數十萬張影像資料、統計分析及決策支援系統，所發展出高鑑別度、眼底影像AI模型篩出率(二分類正確率：93.86%) 截至2018年底已媲美Google來到世界第3。目前已成功導入企業健檢、醫院健檢中心、家醫科診所、眼科及視光中心…等。

如何避免用藥疏失是值得探討的一個重要課題在一般的用藥疏失事件中，配藥錯誤主要的因素，而造成配藥錯誤的主要原因，是由於藥名或包裝類似造成。慧誠智醫透過“AI機器學習技術”利用智慧視覺的辨識技術，對放入與取出的藥劑及劑量與數量進行確認，智慧藥櫃可減少人為錯誤導致拿錯藥品及數量等問題，避免醫療糾紛，以達到安全用藥的目標。

生理量值例如生命徵象，其中包含體溫、血壓、脈搏、呼吸、血糖等為居家照護每日必須量測數值，是長者身體狀況定期追蹤之指標，而生命徵象的異常更可作為後續衍生疾病的預警資訊。智齡科技透過合作照護機構蒐集之高齡者生命徵象歷史資料，進行分群（Clustering）與離異值分析（Anomaly detection）找出各分群群體的離異值，來設立每個群體的異常值判斷模型。此外，因生命徵象資料屬性為非均質，且具時間相依性高、資料數量大、個人化差異性顯著，故需要可持續學習新進資料的人工智慧技術，如以RNN (Recurrent Neural Network)、LSTM (long short term memory)來分析生命徵象時間序列。後續可透過每位長者的資料量持續累積，以建立個人之異常值判斷模型，提高適用至個人之模型判斷準確率。當異常值警示出現時，可透過資料庫中各種量測數值的變化軌跡，提供照護者與家人其對應的照護措施與衛教資訊提醒，掌握照護實施的黃金時間。

本系統透過RF訊號演算法搭配AI即時推論技術，進行非酒精性脂肪性肝炎(NAFLD)偵測，量測時間僅需10秒，即可顯示肝臟病灶影像，同時可提供影像輔助定位、局部病變結果。此外，系統可將檢測結果之嚴重程度分為四個階段，醫師可藉由分數分級進行輔助診斷。本公司透過與Intel、遠傳電信、國家衛生研究院、長庚紀念醫院合作，將AI超音波技術佈署於Intel OpenFL(Open Federated Learning)，結合遠傳電信的遠距醫療平台，為醫生和患者提供視訊門診對話，使NAFLD脂肪肝篩檢更加容易。 過去醫師以理學檢測確認新生兒髖關節有無異常，檢測一位新生兒平均所需時間為15-20分鐘，本公司與林口長庚紀念醫院骨科團隊合作，研發之AI即時推論超音波系統可將篩檢流程縮短至30秒，除運算快速、可針對超音波影像進行自動判讀，亦可量測髖關節角度，以判斷新生兒髖關節是否異常，避免錯過最佳黃金治療期。

結合醫師專業知識與人工智慧分析之人腦與AI雙腦協作，更有效率協助非眼科醫師進行糖尿病眼底影像的病變判讀，免除轉診眼科的不便利，進而提高潛在病患早期發現之比率，減少醫療照護支出與社會成本。本技術提供二項主要功能：1.切合台灣糖尿病共同照護網的病變分級需求：提供糖尿病視網膜病變的五個級別(No DR, Mild NPDR, Moderate NPDR, Severe NPDR, PDR)的分類模型，給予不同分級病患更為貼切的醫療照護。亦提供是否轉診眼科的二分類模型。2.標示糖尿病視網膜主要病徵的位置：國際上目前唯一可偵測四種主要的病徵 (Microaneurysms, Hemorrhages, Cotton Wool Spot, Hard Exudates)，並且清楚標示位置的AI判讀技術，可有效輔助醫師針對病變嚴重程度的判讀。

本骨鬆AI輔助篩檢系統參照現有骨質疏鬆醫學指引作為判斷依據。透過訓練經過電腦比對黃金標準DXA檢測結果的髖部X光影像，本系統能分析髖部X光影像中股骨擁有骨質疏鬆風險，精度達9成以上。可搭配醫院既有X光機設備或現有X光車，並無硬體購置成本與儀器城鄉分布不均限制，且拍攝部位符合骨質疏鬆診斷醫學指引，將可補足骨質疏鬆篩檢市場的缺口，並提供潛在風險患者及早偵測與預防。

醫療影像資料占醫學資訊量 80%，每張醫學影像相關標註，皆是重要的醫療診斷資訊，若可收集放射科醫師平日工作之醫療註解資訊，將可大幅提升人工智慧訓練成效，降低電腦偽陽性與偽陰性之判讀，進而提高AI輔助醫學影像判讀之可行性，提升放射科醫師工作效率。尤其目前醫院在影像醫學科醫師人力普遍不足，預防意識抬頭以至於醫學影像判讀需求遽增，此外先進儀器產生資料量快速增長，皆造成相關工作負荷過重。又特別在偏遠地區專業影像醫學科醫師短缺，若能應用AI輔助醫學影像判讀，提高辨識率外，在影像微小的病灶查找、病灶連續追蹤上，亦可為醫療專業人員強化輔助操作能力。另結合相關檢查檢驗的報告提醒參考與比對，據研究可再提升輔助診斷正確率。最後，將確認的檢查發現導入結構化報告以支持進一步的臨床研究，亦為進入精準醫療目標不可或缺之步驟。本計畫期以建置一套影像AI報告產生平台，使用AI協助醫師更容易撰寫報告，減輕醫師負擔，系統內含可持續提高精準度的AI學習機制。