AI 醫療應用

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。

1. 創新服務模式：雲端AI 訂閱制服務 由醫院或診所實驗室上傳胚胎影像或照片，雲端運算與回傳報告，最先進、安 全、低費用的胚胎篩檢分析技術。 2. 產品擴散模式：透過平台進行海外通路布局，並提供系統整合規劃、界接等配 套措施，實現『AI生殖醫學服務輸出』的商業模式。 3. 導入終端用戶效益：結合醫師專業知識與人工智慧分析之人腦與AI雙腦協作， 效率可大幅提升。

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。

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。

AI語音智能健康照護語音助理可串接搭配各項IoT感測器，降低照顧人員負擔，亦可透過每日的量測紀錄，隨時注意身體狀況；除智能健康照護功能外，還可陪伴聊天講故事說笑話、更能讓遠距子女遠端同步父母狀況及互動，同時也具備智慧音箱基本生活資訊查詢、聽音樂等，並搭配專人服務，提供細緻貼心的個人客服與精準行銷。 本團隊採用最新人工智慧深度學習(Deep Learning)設計語音智能健康照護平台，透過自然語意理解(NLP)及智能學習，開發文字、語音的識別與對答能力。 搭配團隊開發的核心技術，可整合串接各項IoT裝置、並搭配網路開放資料，創造更多樣化的專屬功能。除了健康照護領域，語音智能健康照護語音助理也可以客製化應用於其他產業服務與行銷應用。

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。

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。

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。

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。

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。

LibraLung天秤肺影為電腦輔助偵測系統(Computer-Aided Detection, CADe)，以人工智慧(AI, Artificial Intelligence)技術，輔助專科醫師判讀胸腔電腦斷層(CT, Computed Tomography)之肺結節影像。本系統以網頁介面操作，具備「肺結節偵測」及「輔助自動報告」兩大功能。 當系統偵測肺部電腦斷層影像疑似肺結節存在，系統自動於影像中標記肺結節之VOI(Volume of Interests)，以及對應肺結節之類型(Class)、肺葉位置(Lobe)、長短軸(Axes)及體積(Volume)資訊，並經由橫切面、矢狀面、冠狀面、最大投影橫狀面觀察肺結節型態。輔助肺結節偵測範圍，包含肺結節最大直徑尺寸為4 mm(含)至30mm(含)，類型不限為實質(Solid)、非實質(Non-Solid)或部分實質(Part-Solid)。 本產品經國內醫學中心測試，模型在偵測肺結節之FROC表現，平均每例偽陽個數(average number of false positives per scan)為2時，靈敏度(Sensitivity)為94 %；在肺結節之類型分類表現為Precision=0.93, Recall=0.93；在肺結節所在肺葉位置分類表現為Precision=0.99, Recall=0.99。

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。

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

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。