AI 醫療科技高速發展，聯邦學習突破隱私權限制
英特爾（Intel）業務與行銷副總裁暨網路與邊緣運算解決方案總經理 René Torres 的主題演講以「創建 AI 醫療科技高速發展平台」為題，分享這家晶片龍頭大廠如何推動更高效和更安全的 AI 醫療創新。他強調 AI 的醫療應用可謂遍地開花，涵蓋疾病篩檢、藥物發現、基因體學、機器人手術和數位病理學（Digital pathology，意即將傳統玻片完整掃描成數位影像檔，再以電腦技術和 AI 系統來獲取、管理和解讀其中的病理資訊）等範疇。
透過全面引進 AI ，不但能快速處理巨量的醫療數據，也能大幅改善藥物開發的成本效益。而借助資料視覺化和圖像辨識等技術，將有望減緩全球醫療人員短缺的問題，應對更多未被滿足的臨床需求。另外，受惠於自然語言處理（Natural Language Processing，NLP）和大型語言模型（Large Language Model，LLM）的發展，醫師可以快速生成病歷報告，利用節省下來的時間專注為病人提供更好的照護。
Torres 總經理又提到，隨著具備人工智慧功能的 AI PC 面世在即，生成式 AI 將會破天荒首次被引進至個人電腦中，預計到 2025 年出貨量將上看超過 1 億台，而 AI 在醫療場所中的應用也可望以前所未有的步伐快速發展。他指出英特爾旗下的 Intel Core Ultra 處理器除了 CPU 晶片之外，也備有圖像處理器（Graphic Processing Unit，GPU）和神經網絡處理器（Neural-network Processing Unit，NPU）。GPU 可用於快速判讀 X 光片、MRI 和 CT 等各種醫療影像，減低 CT 掃描所需幅射劑量並加快掃描效率，將原本耗費數小時的過程縮短至 30 分鐘內完成；而 NPU 則可應用於低功耗、可持續運作的 AI 系統，能夠在需要持續監控病人狀況的情景中派上用場。
演講中也提及開放式聯邦學習（Open Federated Learning，OpenFL）的概念，Torres 總經理認為拓展醫療 AI 應用不可能單靠英特爾一家廠商，而是需要一個生態系統，當中科技業界和醫療體系的合作更是不可或缺。例如基於法規和病人隱私考量，病人醫療記錄不可流出到醫院外，但借助 Open FL，研發人員就能在不侵犯病人隱私的前提下，經由開源專案獲取資料。他引用一項英特爾 Intel Labs 與美國賓夕法尼亞大學佩雷爾曼醫學院（Perelman School of Medicine at the University of Pennsylvania）合作進行的研究為例，該項目是迄今為止全球規模最大的醫學 FL 研究，在 6 大洲 71 個醫療機構共蒐集約 6,300 個病人的 MRI 掃描影像，再透過深度學習訓練 AI 模型來輔助腦腫瘤診斷。
英特爾業務與行銷副總裁暨網路與邊緣運算解決方案總經理 René Torres 強調 AI 的醫療應用可謂遍地開花。另外透過聯邦學習，未來有望在不侵犯病人隱私的前提下建立更強大的醫療 AI 模型。（圖片來源：生策會提供）
除了 Torres 總經理本身的演講外，他也邀請了亞東紀念醫院（亞東醫院）院長邱冠明醫師上台講解 AI 和資通訊科技在醫院層面的落地應用。邱院長提到亞東醫院是在新冠疫情期間台灣第一家部署居家護理的醫院，借助互動式語音應答、手機應用程式和 AI 聊天機器人，每日處理約 10,000 個案件。後來醫院又引進虛擬診所、遠距醫療和遠距藥局的組合，為符合資格的確診患者快速提供抗病毒藥物。
作為英特爾在台灣的其中一個合作夥伴，亞東醫院於 2023 年在 AI 應用方面有重大突破。邱院長以一個藉由分析嗓音以辨識喉癌病徵的 AI 模型為例，分享 AI 如何協助醫師實現及早診斷和早期介入。該模型結合遠傳電訊的「5G 遠距診療平台」、英特爾的 OpenFL 技術、亞東紀念醫院的嗓音資料庫、以及捷絡生物科技（JelloX Biotech）搭載 AI 模組的 3D 病理分析軟體 MetaLite，只要透過手機麥克風收集病人 2 至 3 秒的聲音，就可以預測罹患喉癌機率，讓偏遠地區民眾運用遠距診療，把握黃金治療時間。
以色列最大醫院布局智慧醫療，轉型長分享 AI 應用實例
爐邊對談環節由台北醫學大學健康資訊科技國際研究中心李友專主任主持，大會邀請到以色列示巴醫療中心（Sheba Medical Center）首席數位創新轉型長 Eyal Zimlichman 教授擔任嘉賓，分享 AI 未來醫療發展趨勢，講解全球頂尖智慧醫院 AI 佈署策略與思維。
示巴醫療中心位於以色列特拉維夫（Tel Aviv）地區，是全國以至中東地區最大的醫院，每年診治超過 160 萬名病人。該醫院自 2004 年起已落實全面無紙化，並持續引領數位醫療轉型，目前已累積約 200 萬名病人的數據，並擁有匯集了 800 萬筆影像的資料庫。憑藉在醫療場域中廣泛且深入應用電子資通訊科技，示巴醫療中心自 2019 年起連續 5 年獲《新聞週刊》（Newsweek）評為全球前 20 大最佳醫院（2023 年位列第 11 名），又於 2023 年入選全球 20 大智慧醫院（排行第 13 名）。
Eyal Zimlichman 教授的分享以「由創新邁向轉型」為題，他提到示巴醫療中心在 2019 年 11 月成立 ARC（Accelerate, Redesign, Collaborate）數位創新中心，致力加速數位轉型並建立生態系，讓以色列數位醫療新創公司可以跟醫院合作，共同開發解決方案。ARC 中心秉持數位健康、開放和有機創新、國際合作以及結構化平台 4 大核心理念，瞄準精準醫療、延展實境（Extended reality）、人工智慧、生物醫學工程和遠距照護 5 大領域，其願景是在 2030 年前為全球醫療體系帶來革新。
針對 AI 的生醫應用，Zimlichman 教授指出他們特別著墨於預測分析、臨床輔助決策、靜態和動態數位影像分析等範疇，又以醫療影像 AI 新創 Aidoc Medical 為例作進一步講解。Aidoc 於 2017 年從示巴醫療中心分拆出來，旗下 AI 產品已在全球超過 1,200 家醫院落地應用，尤其在急診部門，可用作識別中風和肺栓塞等危急狀況。近日示巴醫療中心參與了一項前瞻性研究，當中就使用了 Aidoc 的解決方案，研究成果於 2023 年 8 月公開發表，顯示在急診室使用 AI 輔助診斷和病人分流，可以令顱內出血（Intracranial hemorrhage）死亡率減少 30%。
Zimlichman 教授也介紹一個名為「病理影像組學（Pathoradiomics）」的新學門。影像組學（Radiomics）是將大量醫療診斷圖像（包括 MRI、CT、PET 掃描等）轉換成定量性大數據，借助 AI 整合分析找出腫瘤形狀、大小及其他各種癌症特徵。而病理影像組學就是將上述應用延伸至病理學玻片影像，讓醫師可以透過影像分析就能識別出與癌症相關的基因變異和生物標記物（Biomarkers）。以非小細胞肺癌為例，有研究顯示利用深度學習演算法，可以跳過進行基因定序步驟，直接從病理學玻片影像中辨識出 ALK 和 ROS1 融合（ROS1 fusion）兩種突變。有關技術未來若能發展成熟，醫師有可能在不需進行切片活檢的情況下，憑藉分析醫療影像就能得知病人體內攜帶哪些生物標記物，繼而做出適切診斷。
雖然目前臨床數據品質和獲取數據的途徑仍然有相當限制，可能對醫療 AI 的應用普及化進程構成障礙，但就整體而言，Zimlichman 教授對 AI 發展表示樂觀。他形容：「非生成式 AI 正在不斷地演進（evolution in motion），而生成式 AI 則是蓄勢待發的革命（revolution waiting to happen）」，強調 AI 在醫療場域的應用將會對服務品質、病人安全、健康成效、醫療成本、病人體驗與健康公平（Health equity）等範疇帶來「重大且意義深遠的影響（substantial and meaningful impact）。」