Skip to main content

人工智慧填補健康照護資料缺口

實時分析,人工智能,人工智能,深度學習

編輯備註:醫院不斷承受著壓力,不僅要增加醫護人員的能力,同時還要保持他們的安全與健康。現今的全球醫療環境正面對著此挑戰,尤其是在 ICU 中。全新科技正在協助他們提供更好的照護,同時也照顧好自己。

Medical Informatics Corp. (MIC) 在解決方案上處於領先地位,其解決方案可實現臨床疏離並提供最佳照護。舉例來說,其重症監護平台醫院可以建立虛擬 ICU,並在單個螢幕上在各種供應商、單位和設施間,對多達 100 位患者進行集中監控。

臨床人員可以更快地存取資料,以更好地管理裝有呼吸器的氣患者並避免插管。並且他們可以在一個整合顯示畫面中檢視來自不同供應商的心臟監護與呼吸器資料。這些是在各種情況下 MIC Sickbay 精準醫療重症監護平台(MIC Sickbay Precision Medicine Platform for Critical Care)如何協助醫護人員提供更好照護的幾個範例。欲深入瞭解,請繼續閱讀。

 


 

試想若單一架構就能夠解決病患診斷的難題,同時還能整合資料、改善監控並排除資料輸入問題?

就財務面而言,或許醫院比較容易申請補助。但對於患者而言,卻能實現全新的精密醫療:使用資料來量身打造療程及進行決策,進而改善成效。

這為何很重要?Medical Informatics Corp. 商品化總監 Heather Hitchcock 解釋:「加護病房病患平均需連接八台監視裝置,每小時採樣數可高達 873,000 個。舉例來說,心臟監視器和呼吸器可能產生數百種不同的訊號。」

然而,這些裝置的設計卻無法將所有資訊傳送至電子病歷或其他醫療照護環境,以供臨床使用。實際上,它們只傳送定期快照。為此,醫療專業人員取得的臨床病患資料平均不到總量的百分之 0.1,就必須做出臨床決策。醫師和護士被迫仰賴手動輸入資料,犧牲病患互動時間,同時增大疏失風險。

資料儲存也是一個問題。這些裝置是專為即時監控所設計。即使能儲存資料的裝置也有所限制,通常為 24 到 72 小時。且每當裝置中斷連線或關閉時,資料亦隨之遺失。同時也失去了收集、彙總和分析病患資訊的寶貴機會。

利用即時分析解決資料挑戰

醫療專業人員需要一套解決方案來找出病患對療程的反應模式,進而做出更明智的決策。

Sickbay Precision Medicine Platform for Critical Care 便可滿足此需求。由 Medical Informatics Corp. (MIC) 所開發,此解決方案能自動從病床與其他裝置即時收集、彙總及時間同步化資料(圖 1)。

Sickbay Precision Medicine Platform for Critical Care 深度學習
圖 1。Sickbay Precision Medicine Platform for Critical Care 提供病患生理訊號的全面檢視。

沒有資料和共享資料的功能,就沒有精密醫療。日常照護在醫院與診所地點分散的地區是一大難題。例如,醫院可能僅有一位心臟科醫師需服務所有地點。這位醫師可能為了檢視一位病患的資料就花上數個小時駕車。而同時,病況卻又需要分秒間的決策。

Sickbay 平台讓整個照護團隊存取相同資料,不再受限於所在位置,同時也符合法規。該平台使用 Web 型應用程式和軟體,可支援不限廠商的遠端監控、虛擬加護病房和高傳真波形存取,以改善文書和手動程序。

其後,可利用彙總的資料來改善反應時間,並協助識別個別病患的風險因素。利用人工智慧和機器學習來分析個別病患的高精確度時間序列資料,搭配電子病歷資訊、實驗室和調藥等等,便可實現此一效果。

這讓疾病、療程、行為和成效相關的模式更容易辨識。舉例而言,解決方案可自動計算風險分數,以長條圖呈現病患的軌跡監控,或大規模部署即時預測監控。1

「人工智慧並不是在做決策。而是從所有的裝置擷取所有變數,然後將資料的計算與處理自動化。」Hitchcock 表示。「它的速度遠超過人類,提供判斷依據而有助於加速介入並改善照護。」

雖然電子病歷的意圖原是為了解決多種資料問題,但運作上偏向帳務工具而非治療工具。這些記錄提供寶貴資訊可用於人工智慧,但卻僅包含必要資料的一小部分。

Hitchcock 表示:「在美國,想將波形資料加入電子病歷時,百分之 90 的醫院只能先將資料列印出來貼在紙張上,然後再掃描取得檔案。這不但浪費時間也容易出錯,破壞資料可靠度。」

開放架構

Sickbay 的解決方案架構讓醫院使用單一平台大規模處理所有資料需求。其中包括自動化輸入波形資料、虛擬化、風險評分、警報管理等使用案例和其他各種程序。

該平台亦採用開放原始碼架構。醫院、廠商和分析師可使用即時彙總資料,透過開放式 API 和 SDK 建立應用程式和預測式分析。

MIC 與不同的醫護機構合作開發應用程式,創造更多附加價值。他們可以運用此解決方案來建置應用程式以供自用,或在 MIC 的應用程式商店販售(圖 2)。

Sickbay 應用程式商店讓醫院下載應用程式,亦可開發新應用程式後上架販賣 - 深度學習
圖 2。Sickbay 應用程式商店可讓醫院下載應用程式,亦可開發新應用程式後上架販售。

「我們採用開放式架構,不再是只能解決單一種問題的產品。」Hitchcock 表示。「系統導入後開啟第一個應用程式。然後只要在後端開啟不同的資料庫表格,就能新增。」

位於邊緣與雲端的人工智慧

醫院需要在邊緣端擁有強大運算力、效能以及安全保障。「Intel® 處理器能解決這個需求,」Hitchcock 表示。「但並非所有項目都一定要在現場部署。」

雖然許多醫院會選擇內部部署的解決方案,但混合雲方案有助於降低成本、提高擴充性,並從資料獲得更加深入的見解,同時還能遵守 HIPAA 規範。資料擷取伺服器可以設置於現場並在本機執行機器學習。結果則可推送至雲端,由多家醫院共用人工智慧資料。

例如,一家小兒科醫院執行罕見手術(如治療單一心室嬰兒)的樣本數少,資料量就不足以建立精確的 AI 訓練模型。

但是當多家醫院共用資料時,就可能擁有足夠數據可進行分析。如此就能善用自己的成果來進一步研究或開發軟體式監視器。更讓醫師有機會在單一心室嬰兒發生心跳停止之前加以預測。

隨著新技術提供全方位的即時分析,醫療專業人員與病患亦可獲得更佳治療成效。Sickbay Precision Medicine Platform for Critical Care 提供朝此方向前進的途徑。

1 Sickbay 預測式應用程式(人工智慧及機器學習)目前開發中,但尚待審核供商業使用。

作者簡介

Robert Moss is an independent consultant and strategist who focuses on the value gained through IoT, AI, machine learning and other technologies. He also helps give voice to executives at leading technology companies, enabling their personal stories to show how they encourage innovation, overcome obstacles, and improve their leadership skills. Tweets @RobertMoss_IoT

Profile Photo of Robert Moss