醫療

生物醫學研究的突破通常來自於對相關性和因果關係的理解，也就是瞭解人體生理過程的本質還有運作方式。

科學家透過建立資料集的相關性來觀察現象，例如癌症發生率較高或是對疫苗反應更好等等。接著，他們會研究這些相關性背後的原因。按部就班反覆進行這種生物醫學的研究雖然單調乏味，卻非常值得。

現在，AI 驅動的電腦視覺應用於醫療造影，加速資料相關性的發現。這項技術更快找出值得探索的問題點。在這個過程中，AI 協助人類迅速聚焦在問題上。而且還能夠幫助人類科學家加快找到改變生活的醫學解決方案的速度。

醫療造影中的 AI 模型

Mayo Clinic 使用 AI 和機器學習大幅提升超聲波影像功能就是其中一個使用案例。這間醫療機構首先採用 Intel 和 Dell 的最新技術、工具和產品，也就是 Intel^® Geti^™ 平台還有在 Dell 邊緣系統上執行的 Intel^® OpenVINO^™ 工具組，從內視鏡影片中找出腎結石，以及評估心臟功能的醫護點（POC）超聲波影像。

Dell Technologies 是提供廣泛產品組合和全面服務的解決方案供應商，公司的生命科學策略全球負責人 Alex Long 表示，Mayo Clinic 在使用 AI 超聲波影像方面的工作是這項技術特別有用的案例。長久以來，超音波的判讀一直都充滿主觀性，又容易出錯，而且要求專業的訓練。

但大量資料訓練的視覺 AI 模型可以協助照護人員在病床邊提供更個人化的照護。透過 AI 增強護理工作能夠更快速、更準確發現異常，而且需要的訓練成本也非常低。透過預先訓練的模型和主動學習，現代方法讓這些模型的快速開發和部署成為可能。Myao Clinic 的 David Holmes 博士表示：「我們的照護人員明白利用 AI 協助患者照護的好處，但像是 POC 超音波這樣的情況還沒有可行的 AI 模型來做使用。」他的工程師團隊利用互動式 AI 模型化工具迅速開發 AI 解決方案，評估病床邊影像的品質，確保患者照護過程中採用最佳的影像。

AI 在醫療造影中的應用不僅僅是作為診斷工具的功能。Long 表示：「透過視覺 AI 判讀影像資料，準確增強人類的能力。」診斷醫師接受專業訓練，從檔案篩選出問題，AI 引導他們擴大評估的範圍也有助益，例如評估乳房攝影檢查來發現乳癌早期徵兆就是一個很好的例子。AI 的優勢在於找出人眼可能因為確認偏誤而忽略的模式。

生物醫學研究中的其他情境也可能從 AI 受益，特別是涉及影像資料的情況。Long 表示：「事實證明，有很多有很多其他視覺相關的醫療系統。」這些醫療系統都可以透過使用 AI 作為增強人類能力的工具中受益。

合作推動創新技術

Intel 和 Dell Technologies 的夥伴關係促成了這些 AI 驅動的突破。Long 表示：「社群的定義是志同道合，共同努力實現目標的一群人。我們親眼見證到 Intel 和 Dell 在打造一個醫療生命科學的社群。」

這兩間公司之間的合作多年來隨著時間逐漸發展和加強，Holmes 博士的工作就是雙方發揮實力的一個例子。Intel 和 Dell 的醫療解決方案團隊以及技術和產品平台讓他們能夠和頂尖的生物醫學研究人員和供應商合作。

Long 表示：「 Dell 所帶來的是我們產品組合的廣度、合作關係的深度，還提供所需要的 IT 和基礎架構專業知識。」除此之外，Dell 也不忘醫療保健產業非常重視隱私還有保護病患敏感的健康資訊。Long 談到：「採用技術不只是為了控制成本，而是要透過技術推動人類對改善健康的倡議。我們致力於推動人類照護的進步。」

人工智慧在醫療業的前景

Mayo Clinic 讓我們得以一窺 AI 模型在生物醫學研究中的潛力。我們才剛開始探索 AI 在視覺影像資料上尋找相關性的方法，引導人類朝著新的探索方向前進。

研究人員通常會尋找相關性資料來得出結論，Long 表示：「AI 是用來識別相關性最好的選擇。我對 AI 在加速診斷、改善病患照護、迅速理解下一坡啟發法和療法的潛力非常期待。」

人體還有許多未知之處。AI 所能促成的發現量簡直是歎為觀止，因此處於科技與醫學交匯的當下非常振奮人心。AI 可以透過訓練，聚焦在多年的資料上。這所帶來的成果可能會是一場革命性的突破。
 

本文編輯 insight.tech 編輯總監 Georganne Benesch。