AI 與機器學習改造癌症治療

肺癌在全球最常見的癌症類型中排行第二，其篩檢是一個複雜的過程。醫師使用低劑量電腦斷層掃描 (LDCT) 掃描患者，產生數百張 2D 影像。醫師檢視這些影像，識別腫瘤的位置與體積，然後根據患者的病歷、檢驗報告、切片檢驗，及其他資訊進行評估，這一切都有助決定病症分期和最佳治療手法。

LDCT 是對抗這種致命疾病的必備工具，但它亦是一個緩慢而艱苦的過程，留有發生人為失誤的空間。有一種使用邊緣處理、AI 和安全資料分享的新方式，協助醫師更快達致準確診斷，並更早開始治療。隨著時間，它可增進對肺癌和其他疾病的瞭解，並推進更多有效療法的發展。

提高偵測率

LDCT AI 助理解決方案由網路硬體和邊緣伺服器製造商其陽科技股份有限公司 開發，協調使用三種進階技術更快取得結果。最重要的是快速運算能力。AEWIN SCB-1932C 邊緣伺服器搭載第 3 代 Intel^® Xeon^® 可擴充處理器，可在現場幾乎即時處理數百個 LDCT 影像。

「要處理那麼多影像，CPU 必須極為強大。」其陽的銷售與行銷總監 Benjamin Wang 表示，「而且部分 Intel^® 晶片也包含內建安全功能，協助保護醫療資料免受黑客之害。」

此 AI 助理平台使用 Intel^® OpenVINO^™ 工具組分析患者的 LDCT 影像。系統透過大量掃描，可把醫師需要考量的影像數量從高達 600 減至少數。

「AI 應用推斷來偵測異常的肺結節並作出分類，讓醫師只需檢查優先度高的掃描，協助提高診斷效率。」其陽產品行銷經理 Tiana Shao 說，「醫療 AI 架構設計人員從可在其陽邊緣運算平台上輕鬆執行的數百個已支援 AI 架構中轉換，提供顯著的效能提升。」

隨著醫療 AI 技術提升篩檢效率，可更早識別疑似癌症，帶動治療工作流程更早開始。提升 AI 系統這種可用性能加速開發早期偵測解決方案，並可降低照護的總成本。

改善 AI 模型

最近其陽開始使用一個可提高偵測效率、更準確預測病發，並導向已提升治療的新平台。

多年來，各種迴異並不斷演變的患者隱私法律交纏，阻礙了醫療專業人員彙集和分析他們資料的能力。透過全新的 Qisda 聯邦式學習平台，全球醫院可安全地分享重要的 AI 模型參數，而不需傳送任何敏感的患者個人資訊。

如此巨量資料流入將讓需依賴分析大量資料組來提升能力的 AI 模型受惠甚豐。「透過在以其陽為基礎的 IT 基礎架構上執行的開放式、安全的聯合學習，醫院可一起建立並調整更優異的模型。」Shao 表示。

機器學習也需要多樣性才能減少偏差。當醫院資料隔離在孤島時，便限制了地理及人口範圍。即使是醫師使用的醫療儀器類型也可影響結果。在日益增加的多樣化資料組支援下的 AI 模型會持續提升準確度。AI 系統與醫療程序相連帶來大量結果，可協助醫師更充分瞭解疾病進展，並決定在各種情境中最有效的治療。

其陽計畫在台灣兩家主要的大學醫院和數家較小的地區設施部署 Qisda 平台及其智慧影像解決方案。購買新的 AI 基礎架構對許多醫療機構而言往往是具挑戰性的投資。利用現有 IT 基礎架構的閒置運算可減輕醫療 AI 開發的高昴資本支出。此外，Qisda 提供可以在醫療中心內實作的雲端解決方案。對於未能負擔高效能設備的地區醫院，此商業模式可出租解決方案，而不是購買整個系統。

「醫療 AI 為現代商業模式如訂閱或每次使用收費舖路。」Wang 說道。

隨著 AI 演算法內嵌更多資料，小型醫院及其分支將在學習模型準確度及預測的提升下同等受惠。

迄今以來，其陽在肺癌方面使用其系統，但使用案例可能擴大。「肺結節以現今技術就可實現高準確度偵測。我們以此作起點，並期望未來的潛在應用。」Shao 說，「憑藉全球各醫院相互合作，智慧醫療保健可快速演進。我們預期在未來幾年可看到許多新的應用。」

本文由 insight.tech 編輯副總監喬治妮．貝內施（Georganne Benesch）編輯。