AI 醫療應用

本系統提出一遷移式深度學習網路，由X光手部影像判別骨齡供臨床醫師診斷評估，係為全台唯一藉由AI深度神經網路的方式結合手骨X光影像輔助判斷，並將AI診斷結果結合門診系統，可讓醫師經由門診系統按鍵自動帶入到AI輔助報告該系統將透過卷積神經網路模型個別對男性及女性之骨齡影像進行訓練以建立自動化骨齡評估系統。

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。

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。

糖尿病患居家血糖自我管理之遵從度差（僅53%量血糖，31.7%運動習慣），IWT運動控糖照護解決方案提供用戶客製化飯後Interval Walking Training間歇步行訓練運動，透過IWT劑量化運動導引 +飲食醣份數管理，引導病患於對的時間進行對的運動，運動中使用手機內建G sensor，自動識別運動強度，有效控制飯後血糖高峰值，工研院IWT運動控糖照護解決方案2018已成功導入國內3家糖尿病權威診所可有效降低飯後1小時血糖高峰值，運動前後血糖下降平均約30mg/dL，驗證糖尿病病患HbA1c 3個月平均下降0.9%(每降低 1% HbA1c，糖尿病造成的死亡率可下降 21%、小血管併發症下降 37%、周邊血管引起的截肢或死亡下降 43%) ；使用者可透過飲食照片上傳，整合運動、飲食與血糖關聯分析之健康資訊平台(Dashboard)提供賦能控糖管理使用，結合後台個管系統，協助照護/醫事單位快速找出血糖管理不佳及生活型態異常之個案，提升用戶自我管理血糖能力。成功導入家醫診所糖尿病共照網、團保外溢保單、運動中心…等國內業者。

現行傷口照護方法複雜且多元，國內傷口照護專業人力不足，全台16.8萬護理師僅百位取得國際WCET證書，一般護理師對複雜傷口不易推斷與建議，例如：癒合停滯原因、傷口敷料選用、換敷頻率、照護問題、傷口重置等。就臨床統計，透過專業傷造師制訂照護計畫比一般護理師更有傷口復原效率，其照護上能縮短傷口癒合時間更達2倍以上。因此，工研院服科中心「傷口影像分析與復原決策支援系統」針對現今傷口照護之服務流程進行創新服務模式設計，突破過去僅以彩色影像作為評估依據，提升為單次觀察紀錄即可蒐集多維度資訊進行分析，整合熱感與彩色傷口影像，快速量測傷口大小與組織比例變化，有效掌握癒合進展，協助醫護人員減少傷口照護的情勢誤判提高傷口照護的品質，使病患傷口復原情形能有更充份的掌握縮短傷口癒合時間50%以上。

狀態預測、故障診斷，提高血液透析設備可用度：台灣洗腎人數愈9萬人，洗腎(血液透析)，是一種高風險的醫療行為；患者須至特定醫療場所接受每周三次，每次4-5小時的治療。血液透析機是血液透析期間最重要的設備，治療前或期間如發生異常事件，不僅影響病人的治療安全，也影響床位的可用度。 以預測性維護方式，達到提升設備使用率的預期效益，計畫透過大數據，運用A.I.預測架構，以主動式「預測維修方式」取代「故障時才維修處理」的被動方式，提升血液透析機的可用度，不僅減少時間耗費和人力成本，也保障患者生命安全，期望降低(解決)血液透析機的非正常的狀況。 故障診斷-即時作業方式，當血液透析機有狀況時，可以根據設備實時狀態及相關參數，對這些參數進行數據清洗與分析，判斷診斷設備是否正常或故障因素。

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。

糖尿病自1987年以來一直佔據我國人十大死因前5名，而糖尿病患伴隨的併發症更造成我國醫療資源龐大的負擔，其中因糖尿病所衍生視網膜病變，更使得糖尿病患比一般人高出25倍的失明風險，因此國民健康署規定糖尿病患每年至少要進行一次眼底檢查，但經糖尿病共同照護網內之家醫診所統計，眼底檢查率歷年都是指標偏低的項目，原因不外乎診所缺乏檢測設備與眼科醫師，以新北市為例「全區29個行政區，其中13個行政區無眼科診所」，因此本計畫引進工研院開發AI輔助診斷系統，來協助非眼科醫生進行眼底圖判讀，並判斷糖尿病患是否該轉診至眼科，提高糖尿病患視網膜病變的早期篩檢率。 AI眼底圖影像輔助分析是一套針對糖尿病視網膜病變診斷開發的輔助AI系統，透過取得經醫師標註之資料集，設計一個卷積神經網路，採用機器學習技法讓該CNN學習如何從眼底影像萃取糖尿病眼底病變。已於3家醫院及6家診所進行服務驗證，實際受檢測人已超過4,000人次，訓練與測試影像判讀準確率已達 90%，以精準檢測分析數據供醫師作為判斷依據，提高視力醫療照護效率。

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。

MAIA醫學影像深度學習軟體(沐恩肺部電腦斷層影像處理軟體)/MRI標註軟體/MAIA Tabular

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。

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。

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。

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。