AI人工智慧正在改變你我的醫療行為
2021-01-07 14:39 聯合新聞網 / 常春月刊
本文摘自《常春月刊》454期
文／鍾碧芳
近來，數位科技正逐步與醫療緊密結合，試圖將人工智慧的發展應用在醫療上，這在21世紀第二個十年當中是最被看重的一環；經過多年的應用測試下，如何透過人工智慧讓醫療變得更安全、錯誤更少、更精準，又能在最短時間內處理並解決病人的資訊，讓醫療效果更高、費用更低廉，是所有醫療領域最迫切得到的理想目標。
臺北醫學大學附設醫院（以下簡稱北醫）近年在院長陳瑞杰的領導下，積極導入智慧醫院，他認為在進行人工智慧前，全院數位化是必經過程。「這幾年北醫團隊在數位化的建置上已經趨於完整，無論從掛號、報到、繳費、加護病房，甚至到給藥系統等，都可見人工智慧（AI）的蹤跡，能提升整體醫療服務與照護品質。」
動脈取血栓，延長腦中風黃金救援時間
數據是人工智慧很重要的基礎，透過技術能達到過去做不到的部分，陳瑞杰舉北醫的急救為例，以前腦中風的患者必須要搶在6小時內注射靜脈血栓溶解劑；但在數位化後有了革新，現在可以擴大到在24小時動脈取栓治療，等於是用更科學的方法找到更好的治療成效。
北醫所運用的是以電腦斷層或核磁共振影像，加上電腦自動分析軟體（RAPID）來了解病患的腦中風狀態，依此得知患者腦內壞掉組織後的存活機率，如阻塞的範圍、大小等預測。這彌補了過去光靠時間來判定病患狀況，讓醫學治療的路徑產生改變，在北醫，這樣的案例已經執行了50多例，成效良好。
重症照護平台，提早預測敗血症機率
而由北醫自行研發的「TED- ICU AI重症照護平台」，則能自動蒐集、整合、分析重症病患的生理數據，讓醫師與護理人員能即時掌握各項病歷資訊，這不但能省去醫護人員填寫資料的時間，讓醫療團隊更有效率專注於照護工作，透過大數據的分析與AI演算模型平台的建立，還可計算病人得到敗血症的機率。
陳瑞杰表示，對於加護病房內常見的幻覺性疾病「譫妄症」，也能提出預測及解決方法，達到及早發現提早給藥，舒緩病患的不安，也能降低死亡率。
智慧藥盒，安心用藥零風險
當然，AI技術運用的範圍不只限於醫院端，於病人端同樣也能得到好處。陳瑞杰說，北醫於2018年底所引進的智慧藥盒，是專門為慢性病與長者量身打造，對慢性病患或長期獨居的長者，智慧藥盒能提供很大的幫助。
北醫的智慧藥盒系統能存放400種以上不同的藥物，各自有其專屬的RFID，當機器收到病患用藥資訊之後，會將正確藥品掉落在藥盒之中，再利用影像辨識系統，依據藥品的大小、形狀、色澤與反光度等資訊進行比對後再進行包裝，接著再由專任藥師進行複驗，可達分錯藥的零風險。
智慧藥櫃，提升藥品管理效率
此外，在醫療照護方面，北醫也打造了智能藥品庫存管理系統。陳瑞杰指出，目前北醫的智慧藥櫃與自動化藥局能夠清點全院的藥物，無論是加護病房或全院一般病房內，都全面建置智慧藥櫃（ADC），能依照醫囑與藥師覆核後，給藥時由護理師直接到病房藥櫃就能取藥。
這讓取藥變得更為精準，能減少人員的疏失，讓拿錯藥的機率降低為零，同時也因為將常用的藥物做了分類，清點藥物時，也能達到百分之百的準確，庫存可降到最低，不只精簡流程，也節省了每月的盤點人力。
數位治療需達到精準預防的效果
隨著大數據的整合日趨重要，過去許多疾病必須花時間找答案，現在已能透過數位治療加以實踐，就像過去認為高血壓的藥物必須一天照三餐吃，但經過資料收整研究後發現，一天吃一顆，效果一樣好，加上不會忘記，用藥順從度提高；但是每天一次是早上或晚上吃比較好，某些藥物如中風、血壓藥，若能放在晚上吃，不僅藥量可以減少，效果也比白天吃來得好。
陳瑞杰認為，雖然目前國內人工智慧仍處於研究與開發階段，醫院端運用最多的仍在於X光影像處理與加護病房等，但要真正達到精準醫療，進而提升到預防醫學上，仍必須要收集更多的資料。
比如預測癌症的發生，必須要思考病患的基因與環境表現，他形容這兩者就像命與運；醫院端需要靠病患提供生活端的資料，唯有收集的資料正確，才能得知藥物對病患的使用效果。
而這些都是數位化與人工智慧結合後，能看到對病患端的好處，當然在醫院端方面，也因為數位化後，不只醫療供給、醫療服務或治療上都會越來越精準，再往上提升，自然就能做到精準預防。
數位孿生概念，是智慧醫療的願景
不過陳瑞杰感嘆，目前雖然科技進步，但對於人工智慧所需要的數據端資料收集與應用上，仍有很長的路要走，不僅是法規、資安、隱私等問題都有待克服。到目前為止，人工智慧在智慧醫療的應用仍限於輔助工具，如何將醫界與病患的資料作串聯與系統性的應用，仍是最大的難題。
他提及，軟體工程師、PTT創辦人杜奕瑾董事長所推行的聯邦式學習，或許是很好的思考方向，不但能將去中心化的醫療資料與數據有效串連，也能給予醫療足夠的AI資料應用，同時又能保有醫院本體的資料自主性。
此外，他認為未來人工智慧結合智慧醫療的願景，應該會朝著「數位孿生」（digital twin）的概念走，白話一點說，就是能在茫茫人海中找到跟自己很像的孿生兄弟姊妹，幫助自己看到未來的樣貌，或疾病的過程，提供自己老年後的參考。但一切都必須有數據，累積的越多，自然就更準確。
未來，人工智慧與智慧醫療結合將有無限可能，不過陳瑞杰認為現階段最重要的是，如今北醫已經將手邊的資源做最大的利用，畢竟醫院的價值與品質同樣重要，而數位化、人工智慧都是工具，用來達成全人醫療為核心的目標，如何做到「視病猶己」才是目前最需要努力的方向。
資料來源：https://udn.com/news/story/7016/5155255?fbclid=IwAR2cH3OfnaDPpuR0Y43YltxyJNcPbAxKDbMdAwCBixIemq6FfbX8vGP89dw
影像辨識 工程師 ptt 在 [請益]影像處理出路發展- 看板Tech_Job - 批踢踢實業坊 的推薦與評價
如有違規再麻煩告知謝謝
各位年薪500的大大好,小弟大學是前面的私大電機出身,
近來榮幸錄取某兩個四中研究所,
一個是中興電機(通訊資訊組)(找的教授做影像處理),
一個是鳳梨大學電機(電力電子組),
還在抉擇要去哪一所就讀(都一定2年)
但問了中興那間實驗室學長姊和老師後,因為上一屆已畢業的學長姊也沒聯絡了,所以他們
也不太知道
未來出路怎麼樣,
我也有爬ptt文章和問朋友,有些說以中興研學歷和學的東西工作機會很多(因為C),也有些
說很少
(EX:演算法缺很少,而且幾乎都是4大碩去做,比較難輪到我//或說我只學C和matlab
,沒學python或機器學習相關的,工作機會會少很多?),所以我有點亂@@
所以想問一下
1.請問影像處理相關的工作,
#1NIJeCbf(Tech_Job)
#1OF4T6o1(Tech_Job)
這兩篇寫的薪資和內容中肯嗎?
這兩篇文章,寫的有適用於我的學經歷和領域和做的東西(看第2點學經歷敘述)嗎?
2.如果以中興電機研究所(找的教授做影像處理,碩論做去雜訊,主要用C去寫,其次是
matlab
,沒有學演算法和python相關的機器學習)這樣的背景去找工作的話,上面第一點所貼的公
司和class
,以新人來說大概可以進class幾和哪些公司呢?
(就我所知,中興電機新人進class1應該機率很低(?))
3.以第2點的學經背景去找工作的話,影像處理相關的職缺很多嗎?就算不做影像處理相關
的,能做的職缺也很多嗎?
像是?
4.假如一開始只能到class2或3的公司,但工作幾年後,之後要從class2到1或class3到2,其
實都算蠻有機會嗎?
(以上問題建立在第2點的學經背景的話)
5..因為我碩班只有用C和matlab,做的東西是影像處理中的前處理(朋友說看起來做的東西
應該是
前處理),所以想問前處理的工作機會多嗎?(這方面工作,大概的新人價和公司是?假如願意
提供的話)
(以上問題建立在第2點的學經背景的話)
6.我除了前處理的工作外,其他影像處理相關的工作也都可以做嗎?(這方面工作,大概的新
人價和公司是?假如願意提供的話)
(以上問題建立在第2點的學經背景的話)
7.除了影像處理相關的工作,還可以跨去做甚麼呢?(這方面工作,大概的新人價和公司是?
假如願意提供的話)
(以上問題建立在第2點的學經背景的話)
8.演算法職缺非四大碩的話,是不是就很難進去?
但我不走演算法的話,我去走韌體or軟體(工作機會多嗎?),也是可以到很多不錯的公司和
拿到不錯的薪資?
(這方面工作,大概的新人價和公司是?假如願意提供的話)
(以上問題建立在第2點的學經背景的話)
9.請問我比較可能做到的工作中,底或天花板薪資或大概平均薪資,大概是多少?
(新人價或做一陣子的價錢都可)(以上問題建立在第2點的學經背景的話)
10.有大大知道友達電RD的年薪大概多少嗎?(實驗室蠻多學長有去友達電實習,有拿到
preoffer回來,
聽他們說開接近50K,保14個月,但分紅就不知道大概都多少了,不知道有無好心人願意透露
一下?@@)
11.假如我最後去中興電機,請問會建議我把哪些東西學好,比較對未來找到好工作有幫助
?(有朋友是建議我
把資工相關的課 修一修,然後演算法和英文弄好(?)//pythn和機器學習
的東西也可以自學就好(?))(我的教授有說C,C++,C#,java,不會都可以問他
,他願意教)
12.假如是我中興電機那間實驗室的學長姊或是碩士班or工作
是做影像處理相關的大大們,假如怕回復太多,是可以直接發短信到ptt給我QQ
很抱歉,問題很多,因為假如要選興趣的話,2間實驗室做的東西都不排斥且都2年畢業,
所以想從出路來去判斷QQ
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.240.84.123
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1556002244.A.E74.html
... <看更多>