【CES 2019 台灣新創團隊】台大清大開發 AI 血液檢測工具,助血癌判讀精準度躍升

【發布日期】: 2018-12-22
【新聞來源】: TechNews 科技新報

今年 FDA 批准 12 個演算法輔助醫療產品,如從視網膜判讀糖尿病,以及對急性中風病人判讀病源等等,隨著演算法與機器學習技術日益進步,類似的 AI 醫療應用案例將越來越多。而台灣擁有高聲譽的醫療水準,學術界又深藏許多 AI 運算上的技術高手,為醫療新創注入巨大的能量,明年要與科技部一同進軍拉斯維加斯消費電子展的新創團隊 AHEAD,就是一家跨領域的醫療 AI 應用典範。

AHEAD 聚焦在利用 AI 進行血液檢測與預後診斷的技術,所謂的預後(Prognosis、outcomes)即是判斷病患在治療後會不會復發,會不會因為治療而死亡等等。由台大的執掌血液檢測、清大電機系則負責 AI 演算法

血液是一個龐大的資料庫,AI 可讓檢測速度加快超過 200 倍

台大的骨髓移植技術發展至今已 30~40 年,累積大量病人的臨床資料與移植資料庫,且擁有台灣最大的幹細胞治療中心(Tai Cheng Stem Cell Therapy Center),因此由台大團隊當仁不讓,領頭開發血液 AI 檢測工具。而最近十年發展出的流式細胞儀技術,在協助血癌診斷、療效以及預後評估,都是要靠人工去判讀機器分析後的結果,這就產生了 AI 可以發揮的機會。

參與研發團隊的台大血液腫瘤科主治醫師唐季祿表示,要觀察血液、骨髓中是否有微量血癌細胞,有經驗的醫師每次判讀可能需要 20~30 分鐘;如果實驗室做檢查時加錯試劑,檢查結果可能還會出錯,且不見得會被發現。兩年前原本在唐季祿底下負責專案計畫的王毓棻,在研討會上認識清大電機系副教授李祈均,意識到 AI 可以善加應用,於是開始嘗試導入 AI 加速血液分析速度。

血液是一個龐大的資料庫,導入 AI 是完全合理的做法。唐醫師指出,使用流式細胞儀一次要分析 10 萬到上百萬顆細胞,每一個細胞有 6 個生物標記,要分好幾個試管,乘以上百萬顆細胞的話,每次交叉比對都會產生非常大的數據量,醫生判讀的流程每次需要 30 分鐘時間,若沒經驗的話可能要更久,甚至出錯,但是用 AI 判讀,可以加速到 7 秒就完成,準確率也非常高。

AHEAD 去年 3 月成軍,整套系統只開發了一年半時間,技術便已臻成熟,但還需要與臨床應用橋接,讓對 AI 不熟悉的醫生也可以直覺使用。王毓棻表示,目前市場類似產品都只是做視覺化工作,分析還是要靠人力,AHEAD 的軟體能提供綜合評估,繪製完圖表還能分析給醫生看。

這套系統的使用者介面非常簡單,餵資料進去後,系統就會自動把資料進行轉換,變成一個很容易識別的圖表,醫生能知道這個檢體的相對位置,直觀對照這個檢體的正常或異常狀況,就算沒有太多經驗的醫生也能輕易判讀。

▲ AHEAD 的軟體能提供綜合評估,繪製完圖表還能分析給醫生看。

AI 檢測範圍擴大指日可待,只差法規與技術人才補上

研發團隊之一的台大內科部主治醫生柯博升表示,血液診斷只是第一階段,台大還有非常多的資料,包括三萬多骨髓抹片、影像資料、十幾年的歷史數據,加上醫療紀錄都可以用,未來希望可以在血液相關病患治療到某階段的時候,做出預後診斷的模型,根據手術後的復發或死亡機率大小,提供相應的治療方式。

然而,一旦牽扯到臨床決策,問題就會浮現出來。例如 IBM Watson 過去在知名癌症中心試驗失敗,原因就在於曾經出錯,甚至用了假的病人資料庫,引起很大爭議。柯博升表示,Watson 的問題是在於要取代醫生判斷,但 AHEAD 不想取代醫生,只是建立輔助系統。他也進一步指出,電腦想要取代專家,面臨的問題是不能舉一反三,但人類的經驗和邏輯可以幫助預測。

台灣的生技醫療一直是所有新創產業當中最有機會在國際展露頭角的領域。對此王毓棻指出,台灣的數據很早就電子化,是難能可貴的資源,但取得資料是一個問題;另外還缺乏有能力做資料梳理的人,如果要推廣 AI,必須有更多醫療與工程人員的跨界人才。她舉例提到大陸影像識別發展非常快,是因為有很多專門人員做梳理編排資料的動作,但現在台灣就是缺乏這類人才。

另外醫療科技應用最大罩門還是醫療隱私的問題,各國都一樣。王毓棻表示,台灣法規規定不准用醫療數據,因此必須透過醫療倫理委員會批准,所有操作人員都需要上過課程取得證書才能按照規範來處理資料。

現在 AHEAD 開發的這套系統因為牽涉法規,因此只能在台大內部使用,但已經接到很多醫院的詢問,且醫生都希望這套系統可以盡快落實,因為血液判讀太費時,如果能縮短這類基礎工時,就可以把更多心力花在照顧病人。目前美國匹茲堡大學醫學中心也同意測試,觀察同樣軟體在美國的檢測結果是否有落差。

配合 5G 進展及雲端運算,實現先進醫療前進偏鄉願景

未來這套系統的市場性也很高。唐醫師表示,若這套軟體證實可在血癌這種比較複雜的臨床使用,代表也可以套用到其他疾病與癌症檢測。此外,未來資料分析是一定要到 5G、雲端運算成熟時,才有可能讓系統運作順暢,最終鄉下、社區、醫學中心、無論在哪裡的病人,只要將基本資料放到雲端,就可以讓遠距的主治醫生做正確診斷,提供治療建議。

且這套系統不只先進國家會使用,柯博升表示,一般醫院要買流式細胞儀還算簡單,但要有可以判讀資料的醫生就不簡單了,所以從一般到落後的地區都很有市場,還可以解決醫療資源分配不均的問題,實現遠距醫療的願景。

談到創業的困難,王毓棻認為現在法規都沒有趕上 AI 需求,所以新創的人需要不斷的跟審核單位溝通,花費太多時間在行政流程。唐季祿則認為,最困難的是開發一個對臨床診斷上有用的系統,而資料正確性最為關鍵,未來 AI 應該要能判讀原始資料,而不是人為解讀過的資料,如直接拿影像就可以分析,這其中也攸關電子資料病例的品質。

李祈均表示,最困難的還是人才。這次合作的清大團隊純粹提供 AI 演算法技術,而由台大提供大數據,因此需要有軟體思維,才知道如何藉由資料創造價值。能將硬技術配合軟計畫整合新價值想法的人不多,台灣要更多能夠從成本思維轉變成價值思維的人,才能將 AI 發揚光大。

AHEAD 是科技部 TTA 帶隊去美國消費性電子展 CES 中比較特殊的團隊,還沒有成立公司,只是一個學術計畫,但大家都對 AHEAD 的未來很有信心,關鍵就在於來自不同領域的團隊成員彼此能溝通,是一個難能可貴的成功合作模式。柯博升強調,醫療專業人員也必須趕快接受新技術,以合理的方式看待,不要害怕 AI,才能夠加速落實。

(首圖為 AHEAD 成員,來自台大血液腫瘤科、骨髓移植團隊與清大電機系,分別負責血液檢測與 AI 演算法。圖片來源:科技新報)