【人工智慧如何席捲未來醫院?】3D 人臉辨識把關取藥身分、機器人支援不足人力
Posted on2020/09/11
TO 創新嗜讀
【我們為什麼挑選這篇文章】隨著人工智慧應用愈加廣泛,手術室、藥櫃也變得更加智慧,協助提升手術效率、用藥安全,讓我們看看 《從 AI 到 AI+:臺灣零售、醫療、基礎建設、金融、製造、農牧、運動產業第一線的數位轉型》一書中《航向智慧醫療新藍海》章節的介紹。(責任編輯:呂珈寧)
未來醫院的規模不再以病床數來衡量,而是急、重、難症的治療能量,而手術室絕對是最重要的場域。根據世界衛生組織(WHO)規範的手術安全查核規範(WHO Surgical Safety Checklist),一個手術分成三大部分:Sign-in(簽入)、Time-out(暫停)、Sign-out(簽出)。每一個步驟都是確保病人手術安全、資訊正確與醫療團隊間的精准溝通。
臺灣 ICT 資源豐富,為智慧手術室奠定扎實基礎
WHO 只提供最基本的規畫方針,然而 ICT 資源豐富的臺灣,提供了更先進的智慧手術室規畫。當病人經過一連串術前檢查,並確認手術進行時間與主刀醫師之後,整個流程會由智慧病房系統轉移到智慧手術室排程系統。中央器械供應室有隨時待班的器械運送機器人,依手術室排程來運送病人手術名稱對應的器械包盤與相關耗材;機器人經由乾淨走道運送滅菌手術器械包盤,送達指定手術室後透過系統通知主責護理師;術後的髒汙器械運送機器人則按手術結束時間,由護理師啟動手術助理排程作業系統,搬運機器人前往載運髒汙器械、器具和物品。
一臺滿載的手術專用個案車(case cart)可能重達一、兩百公斤,藉由在汙物專用走道來回運送的機器人,不但可以降低器械運送人員的職業傷害,還能支援假日急刀人員不足、降低營運成本與管理複雜度,同時主動通知器械供應室收送案件。機器人的輔助讓手術室運作更為精准並提高效率。
落實手術中安全查核,透過手機 App 一手掌握
除了術前與術後的自動化效率,最重要的是真正落實術中的安全查核。每臺刀雖然都有標準作業流程,還是難以避免突發狀況。當手術門關上後,所有溝通聯繫都只能透過電話進行,這對於要調度上百名護理人員並同時運作數十間手術室的醫院來說,一直是很大的挑戰。透過手機上的手術查核 App,病患 Sign-in 時同時確認身分、麻醉準備、器械耗材清單;Time-out 時手術團隊的再次互相確認工作職掌、病患身分與手術部位;Sign-out 時確認檢體、器械與耗材數量。
這些步驟都在流動護理人員手上的 App 清楚呈現,每個步驟的確認與時間點即時同步到手術室護理站的電子白板,彷彿在戰情室裡同時操控數十個戰役的後勤資源調度。這種結合手術臨床流程、HIS 系統整合與手術紀錄、機器人自動化規畫、App 排程設計的完整方案,讓臨床醫療的高度專業融合在軟硬體的整合中,是 AIoT 精准醫療的經典應用案例。
智慧藥櫃提升用藥安全,大幅減少重大醫療疏失
WHO 最近把「Medication Without Harm」視為全球最重要議題推動,並在 2017 年德國波昂召開的會議中定下明確目標:5 年內降低 50% 的用藥傷害。臺灣的醫院一直落實「三讀五對 1」的給藥規範,以確保病患的用藥安全,但在繁忙的臨床作業中,醫師常因病情變化而調整用藥,若只以人力核對,很難完全落實用藥安全;而利用物聯網科技輔助用藥安全,為當前唯一的解方。
麻醉管制藥品監管是一家醫院最重要的藥品管理核心,如果出現任何差錯,常會演變成重大醫療疏失。此時,智慧藥櫃搖身一變成為最佳利器 。依照管制藥品領藥規定,必須同時兩人取藥,利用醫事人員卡和 3D 人臉辨識、再連動到院內值班系統,對於取藥身分做最嚴格的把關。根據不同醫院用藥習慣,彈性組合藥物放置空間;取藥時利用 AI 藥品影像辨識比對藥名與數量,確保正確的醫師調劑處方;最後再連動醫院藥劑部的藥品系統,時時盤點,確保全醫院的用藥情形安全無虞。
醫院另一個用藥安全的場域,是癌症化療藥劑的運送安全。醫院的化療藥物調劑室為受嚴格管制的特殊區域,因此通常設置在和一般病患施打藥劑地點一段距離以上的空間。利用 3D 圖資與內建 LiDA(認知架構)的運送機器人,可以安全且精確地在調劑室與護理站之間穿梭;調劑藥師通過 3D 人臉識別之後,將調劑好的化療藥劑鎖入內嵌 RFID 的感應門鎖;送達化療病房後,責任護理師經過 3D 臉部辨識認證後,取出藥物進行投藥。整個過程不但能避免因人力運送化療藥物可能發生的傾倒,以及化療藥劑領取時人員認證的管控風險,藥物取放時間點、即時位置與人員身分都即時連線院內系統,確保整個化療用藥流程的絕對安全與精准管理。
AI 、深度學習應用,有效協助降低用藥錯誤次數
臺灣在醫療健保普及的制度下,民眾用藥頻率極高,藥物事件造成的風險隨時都在發生。醫院藥物事件發生地點以藥局為主(36.2%),其次是一般病房(32.2%);醫院藥物事件發生階段以醫囑開立與輸入(54.9%)最多,其次為給藥階段(23%)、藥局調劑階段(20 %);從「醫囑開立與輸入階段」細項來看,以重複用藥(18.4%)最多,劑量錯誤(16.4 %)次之;而在藥局調劑錯誤階段細項中,則以藥名錯誤(44.9 %)最多,數量錯誤(20.8 %)次之;另外在給藥錯誤階段細項中,以劑量錯誤(22.5%)為最多,藥名錯誤(15.5%)次之。
為了降低用藥錯誤次數,利用 AI 人工智慧,串聯機率、藥品資料庫與深度學習,扮演藥品守門人,及時攔截不正確的藥物事件 。將 AI 應用於用藥辨識的方式相當多元,例如導入臺灣健保資料庫與大型醫院提供的電子病歷,實行無監督學習 2,讓 AI 學習醫師開立處方的行為,進一步判斷醫囑開立後是否有藥物名稱與該病症無任何關聯,進而發出系統警示;抑或將藥品辨識導入藥局調劑階段,利用 AI 藥物影像辨識技術快速識別從藥櫃中取出的藥物名稱、外型和數量,隨後從藥品資料庫帶出藥性、藥物副作用等相關資訊,使藥物調劑時更快辨認是否與處方籤相符,減少取藥錯誤。
無論是裸錠、鋁箔包裝、液裝或盒裝的 AI 藥物影像辨識,前提都需要教導 AI 進行幾何變換(geometric transformations): 包含放大、縮小、旋轉;顏色亮度、對比度、色調修正;圖像融合(image composite),拍攝影像與影像資料庫的加、減、組合、拼接;降噪(image denoising /noise reduction),影像上的雜訊來自硬體或環境光等因素,如果影像雜訊太多,將會影響邊緣檢測與影像分割的準確性,因此如何過濾影像上的雜訊並保留有效訊息就相當重要;邊緣檢測(edge detection)與影像分割(image segmentation)的配合,能將一張影像分割成多個不同區域並準確擷取局部特徵,讓 AI 進而認識藥物形狀、大小、顏色、文字、數量等特徵,最後根據前述擷取的影像資訊與藥品資料庫進行配對,即可精准告知使用者藥物名稱和相關資訊。
AI 藥物辨識技術大致可分成兩種:1:1 和 1:N,前者的應用多為醫療中心藥劑部調劑時,驗證管製藥或高貴藥的身分;後者則應用在預防取用多種藥品時的錯誤。以技術難度來看,1:N 的難度比 1:1 還要高,因為 1:N 的藥物辨識更容易受藥物類型、拍攝角度、拍攝方向、拍攝距離、環境光等因素影響辨識準確度。因此在現階段,藥物影像辨識技術與藥物辨識機構的配合度相當重要,產品設計者需針對不同類型藥物提供適合的辨識環境,以降低這些干擾因素。
資料來源:https://buzzorange.com/techorange/2020/09/11/future-hospital-ai/
「手機藥物影像辨識系統」的推薦目錄:
- 關於手機藥物影像辨識系統 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於手機藥物影像辨識系統 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於手機藥物影像辨識系統 在 民意論壇:聯合報。世界日報。udn tv Facebook 的最佳貼文
- 關於手機藥物影像辨識系統 在 [新聞] 台灣老人常「吃錯藥」 陽明研發手機照相 的評價
- 關於手機藥物影像辨識系統 在 陽明醫學系藥物影像辨識系統手機照相自動辨識藥丸 - YouTube 的評價
- 關於手機藥物影像辨識系統 在 手機藥物影像辨識系統 :: 藥局地圖 的評價
- 關於手機藥物影像辨識系統 在 手機藥物影像辨識系統在PTT/Dcard完整相關資訊 - 健康急診室 的評價
- 關於手機藥物影像辨識系統 在 手機藥物影像辨識系統在PTT/Dcard完整相關資訊 - 健康急診室 的評價
- 關於手機藥物影像辨識系統 在 產業消息|#手機藥物影像辨識系統,台北榮總醫師改善... 的評價
- 關於手機藥物影像辨識系統 在 藥物辨識app的推薦與評價,PTT、DCARD和網紅們這樣回答 的評價
- 關於手機藥物影像辨識系統 在 藥物辨識app的推薦與評價,PTT、DCARD和網紅們這樣回答 的評價
- 關於手機藥物影像辨識系統 在 [新聞] 台灣老人常「吃錯藥」 陽明研發手機照相 的評價
- 關於手機藥物影像辨識系統 在 [新聞] 台灣老人常「吃錯藥」 陽明研發手機照相辨識藥物 的評價
- 關於手機藥物影像辨識系統 在 藥掃描app在PTT/Dcard完整相關資訊 - 萌寵公園 的評價
- 關於手機藥物影像辨識系統 在 藥掃描app在PTT/Dcard完整相關資訊 - 萌寵公園 的評價
- 關於手機藥物影像辨識系統 在 高醫藥局、藥物辨識在PTT/mobile01評價與討論 - 露營資訊懶人包 的評價
- 關於手機藥物影像辨識系統 在 高醫藥局、藥物辨識在PTT/mobile01評價與討論 - 露營資訊懶人包 的評價
手機藥物影像辨識系統 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
把AI導入邊緣裝置就對了!
作者 : Duncan Stewart、Jeff Loucks,Deloitte科技/媒體/電信中心
2020-06-04
邊緣AI晶片可能會嵌入越來越多的消費性裝置,例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用,例如機器人、攝影機、感測器和其他物聯網裝置...
德勤(Deloitte)預測,2020年,邊緣AI晶片出貨量將超過7.5億顆,銷售金額將達到26億美元,而且邊緣AI晶片的成長速度將遠高於整體晶片市場,估計到到2024年邊緣AI晶片出貨量可能超過15億顆,代表其複合年成長率(CAGR)至少達20%,是整體半導體產業(長期CAGR預測為9%)的兩倍多。
這些邊緣AI晶片可能會嵌入越來越多的消費性裝置,例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用,例如機器人、攝影機、感測器和其他物聯網裝置。消費性應用邊緣AI晶片市場將遠大於企業應用市場,但成長速度可能會較慢,預計2020年至2024年之間,其CAGR為18%;企業應用邊緣AI晶片市場的成長速度更快,同期CAGR預計為50%。
儘管如此,無論從出貨量還是銷售金額來看,今年消費性裝置應用都將佔據整體邊緣AI晶片市場的90%以上。這些邊緣AI晶片中的絕大部分將應用於高階智慧型手機,佔據目前所有使用中的消費性邊緣AI晶片70%以上。實際上不僅是2020年,在未來幾年,AI晶片的成長將主要由智慧型手機推動。我們相信在今年預期出售的15.6億支智慧型手機中,超過三分之一都可能內含邊緣AI晶片。
由於對處理器的要求非常高,AI運算向來幾乎都在資料中心、企業核心設備或電信邊緣處理器上遠端執行,而不是在終端裝置本地執行;現在,邊緣AI晶片正在改變這一切。它們的實體尺寸更小、相對便宜、功耗更小、產生的熱量也更少,因而可以整合到手持裝置以及非消費性裝置(如機器人)中。
邊緣AI晶片可讓終端裝置能夠在本地執行密集型AI計算,減少甚至消除了將大量資料發送到遠端位置的需求,因此在可用性、速度、資料安全性和隱私性方面益處良多。從隱私和安全性方面來看,在邊緣裝置處理資料顯然更安全;個人資訊不離開手機就不會被攔截或濫用。而當邊緣AI晶片安裝在手機上時,即使未連結網路,它也可以完成所有處理。
當然,並非所有AI運算都必須在本地進行。針對某些應用,例如當裝置上的邊緣AI晶片無法處理太多資料時,將資料發送至遠端AI陣列來處理是適當的、甚至是首選方案。實際上,在大多數情況下,AI將以混合模式完成:一部分在裝置端實現,一部分在雲端實現。具體情況下應該選擇什麼樣的混合方式,要看需要完成的AI處理類型。
智慧型手機邊緣AI經濟學
並非只有智慧型手機使用邊緣AI晶片;其他裝置諸如平板電腦、可穿戴裝置、智慧揚聲器等也會採用AI晶片。短期內,其他裝置對邊緣AI晶片銷售的影響力可能會比智慧型手機小得多,原因若非這類市場沒有什麼成長(如平板電腦),就是這類市場規模太小、無法產生實質性的影響;例如,2020年智慧揚聲器和可穿戴裝置市場總銷售量預計僅1.25億部。不過許多可穿戴裝置和智慧揚聲器都依賴邊緣AI晶片,因此其普及率已經很高。
目前,只有價格最昂貴的智慧型手機(處於價格區間頂部)才可能內置邊緣AI晶片。但是,帶有AI晶片的智慧型手機並不一定要價格昂貴到讓消費者望而卻步。
我們可以對智慧型手機的邊緣AI晶片比例進行合理的估算。目前三星(Samsung)、蘋果(Apple)和華為(Huawei)的手機處理器圖片均顯示出裸片及所有功能特性,因此可以識別出晶片的哪些部分用於哪些功能。例如,三星Exynos 9820晶片的照片顯示,其晶片總面積的大約5%專用於AI處理器,整個應用處理器SoC的成本估計為70.50美元,僅次於顯示器,是手機中第二昂貴的元件,約佔據裝置總物料成本的17%。假設AI部分的成本與裸片上的其他部分一樣,即與所佔裸片面積成正比,那麼Exynos的邊緣AI神經處理單元(NPU)大約佔裸片總成本的5%,相當於每個NPU約3.50美元。
相同的,在蘋果的A12仿生晶片上,專用於機器學習的部分約佔裸片總面積的7%。如果整顆處理器的成本為72美元,邊緣AI部分的成本大約5.10美元。華為麒麟970晶片的成本估計為52.50美元,其中2.1%用於NPU,則這部分成本應為1.10美元(當然,裸片面積並不是衡量晶片總成本中有多少比例屬於AI的唯一方法。據華為表示,麒麟970的NPU包含1.5億個電晶體,佔整體晶片55億個電晶體總數的2.7%;按這樣計算,NPU的成本較高,約1.42美元)。
儘管這裡所提到的成本差別很大,但可以合理假設,NPU的平均成本約為每晶片3.50美元。雖然每顆晶片的價格不高,但考量達到5億支的智慧型手機出貨量(還不包括平板電腦、智慧揚聲器和可穿戴裝置),這仍然是一個很大的市場。
製造商的平均成本為3.50美元,最低可能僅1美元,因此在智慧型手機晶片中添加專用的邊緣AI NPU是很自然的事。按照正常的利潤加價幅度,製造成本增加1美元,對終端消費者而言也僅增加2美元。這意味著即使是價格低於250美元的智慧型手機,也可以享受NPU及其帶來的好處,如更好的攝影機、離線語音助理等,而價格漲幅不到1%。
AI晶片來源:自家生產還是找外部供應商?
生產智慧型手機和其他裝置的廠商取得邊緣AI晶片的方式各不相同,這主要取決於手機機型、甚至是區域市場等因素。有些公司向高通(Qualcomm)和聯發科(MediaTek)等第三方供應商採購應用處理器/數據機晶片,這兩家公司在2018年合計佔據了智慧型手機SoC市場約60%的比例。高通和聯發科提供了一系列不同價位的SoC;儘管並非都包含邊緣AI晶片,高階型號通常都會有,例如高通的Snapdragon 845和855,以及聯發科的Helio P60。
在另一方面,蘋果則完全不使用外部供應商的應用處理器晶片,而是設計並使用自己的處理器SoC,如A11、A12和A13 仿生晶片,所有這些晶片都支援邊緣AI。其他手機製造商如三星和華為則採用混合策略,也就是會從市場上的晶片供應商採購一部分SoC,其餘則使用自家研發的晶片,例如三星的Exynos 9820和華為的麒麟970/980。
兵家必爭的企業與工業應用領域邊緣AI市場
如果在智慧型手機和其他裝置中採用邊緣AI處理器好處多多,那為何不將之導入企業應用呢?事實上邊緣AI處理器已經有一些企業應用案例了,例如某些自主無人機;配備了智慧型手機應用處理器SoC的無人機,能完全在裝置端執行即時導航和避障,無需連結網路。
但是,針對智慧型手機或平板電腦最佳化的晶片並非許多企業或工業應用的正確選擇。如前面所述,智慧型手機SoC的邊緣AI部分僅佔總面積的5%,在總成本中佔據約3.50美元,功耗比整個SoC少大約95%。所以若開發出只有邊緣AI功能(加上其他一些必要功能,例如記憶體)的晶片,它的成本會更低、功耗更少且體積更小,豈不更好?
事實上,已經有這樣的晶片了。據說,有多達50家不同的公司正在開發各種各樣的AI加速晶片。在2019年就已經有獨立的邊緣AI晶片鎖定開發工程師,單價約80美元。而如果達到成千上百萬顆的量產,裝置製造商的採購成本會大幅降低,有些甚至可低至1美元(或是更少),而有些則需要幾十美元。現在,我們以智慧型手機邊緣AI晶片作為參考標準,假設邊緣AI晶片的平均成本約為3.50美元。
除了相對便宜之外,獨立的邊緣AI處理器還具有體積小的優勢,功耗也相對較低,僅為1W到10W之間。相比之下,一個由16顆GPU和兩顆CPU組成的資料中心叢集,雖然性能非常強大,成本將高達40萬美元,而且重量達到350磅、耗電達到10萬W。
利用這類已經問世的晶片,邊緣 AI可以為企業帶來更多新的可能性,尤其是在物聯網應用方面。透過使用邊緣AI晶片,企業可以大幅提升在連網裝置端進行資料分析的能力──不僅是收集資料──並將分析結果轉化為行動,從而避免了將大量資料傳送到雲端帶來的成本、複雜性和安全性挑戰。AI晶片可以幫助解決的問題包括:
資料安全和隱私
無論企業如何謹慎小心地保護資料,只要是收集、儲存並將資料傳送到雲端,都會不可避免地使企業面臨網路安全和隱私威脅;隨著時間推移,因應此一風險變得至關重要。世界各國紛紛訂定個資保護相關法規,消費者也逐漸意識到企業正在收集他們的各種資料,而有80%的消費者表示,他們認為企業沒有盡力保護消費者隱私。諸如智慧揚聲器之類的裝置開始在醫院等場合廣泛使用,這些場合對患者隱私的管理十分嚴格。
邊緣AI晶片可在本地處理大量資料,降低個人或企業資料被攔截或濫用的可能性。例如,具有機器學習處理能力的保全攝影機可以透過分析視訊來確定其中哪些部分相關,並只將這部分視訊傳送至雲端,從而降低隱私權洩露的風險。機器學習晶片還可以識別更廣泛的語音指令,從而減少需要在雲端進行分析的音訊。準確的語音辨識功能則有助於智慧揚聲器更精準識別「喚醒詞」,以避免聽到不相關的對話。
連網困難
裝置必須連網才能在雲端處理資料,但是在某些情況下,裝置連網是不切實際的。無人機就是一個例子,其運作位置可能使得維持其連網很困難,而且連網功能本身以及將資料上傳到雲端都會縮短電池壽命。在澳洲新南威爾斯(New South Wales, Australia)以配備嵌入式機器學習功能的無人機巡邏海灘,確保泳客安全;這些無人機不必連結網路就可以識別出被海浪捲走的泳客,或者警告泳客有鯊魚和鱷魚襲擊危險。
(太)大數據
物聯網裝置會生成大量數據。舉例來說,一架Airbus A-350噴射機配備6,000多個感測器,每日飛行航程會產生的數據量達到2.5 TB。在全球範圍內,保全攝影機每天生成的數據約2,500PB。將所有這些數據資料發送到雲端儲存和分析的成本高昂且複雜,將機器學習處理器放置於感測器或攝影機等終端裝置就可以解決這個難題。例如,可以在攝影機中配備視覺處理單元(VPU),也就是一種專用於分析或預處理數位影像的低功耗處理器SoC。借助嵌入式邊緣AI晶片,裝置可以即時分析資料,只有當相關資料需要傳送到雲端進一步分析時才會需要進行傳輸,這可大幅降低儲存和頻寬成本。
功耗限制
低功耗的機器學習晶片甚至可以讓AI運算在透過小型電池供電的裝置上執行,不會消耗過多電力。例如,Arm晶片可以嵌入呼吸器來分析資料,包括吸入肺活量和進入肺部的藥物流量。在呼吸器上完成的AI分析結果將傳送至智慧型手機應用程式,協助醫事專業人員為哮喘患者提供個人化醫療照護。
除了現在已有的低功耗邊緣AI NPU外,很多公司還致力於開發「微型機器學習」方案,也就是在微控制器單元之類的元件上實現深度學習。例如Google正在開發能讓微控制器分析資料的專用版本TensorFlow Lite,將需要發送到晶片外的資料壓縮為只有幾個位元組大小。
低延遲需求
無論是透過有線網路還是無線網路,在遠端資料中心執行AI運算都意味著往返延遲的存在,最佳情況下為1到2 毫秒(ms),最差情況則達到幾十甚至幾百毫秒。使用邊緣AI晶片在裝置端執行AI,可以將延遲降低到奈秒(nanoseconds)等級──這對於需要收集、處理資料並即刻採取行動的應用場景至關重要。
例如自動駕駛車輛必須透過電腦視覺系統收集並處理大量資料以識別物體,同時收集和處理來自感測器的資料以控制車輛各種功能;然後它們必須立即根據這些資料做出決策,像是何時轉彎、煞車或加速,以實現安全行車。為此,自動駕駛車輛必須自己處理在車輛中收集的大量數據。低延遲對機器人應用也很重要;隨著機器人逐漸出現在工廠環境並開始與人類協同工作,低延遲將變得越來越重要。
邊緣AI在大量數據應用至關重要
邊緣AI晶片的普及可能會為消費者和企業帶來重大變化。對消費者而言,邊緣AI晶片可以實現多種功能,從解鎖手機到與語音助理對話,甚至在極端困難的條件下拍攝出令人驚歎的照片,而這些應用都不需要連結網際網路。
但從長遠來看,邊緣AI晶片對企業應用的影響可能更大,它們將把企業的物聯網應用提升到一個全新的境界。由AI晶片驅動的智慧裝置將有助於擴展現有市場,衝擊現有企業,同時改變製造、建築、物流、農業和能源等產業的利潤分配。
收集、詮釋並立即根據大量數據資料採取行動的能力,對於那些仰賴大數據的應用至關重要;未來學家們預測,這類應用將被廣泛佈署,包括視訊監控、虛擬實境、自動駕駛無人機和車輛等等,而邊緣AI晶片就是讓各種裝置取得更高智慧的主角。
附圖:圖1:AI運算技術能佈署在不同位置。
(圖片來源:Deloitte Insights)
圖2:邊緣AI晶片市場規模預測。
(圖片來源: Deloitte Insights)
圖3:三星Exynos 9820的裸晶照片顯示,其中約有5%的面積為AI處理器。
(圖片來源:ChipRebel;注釋:AnandTech)
圖4:蘋果的A12仿生晶片約有7%的面積屬於機器學習的部分。
(圖片來源:TechInsights / AnandTech)
資料來源:https://www.eettaiwan.com/20200604putting-ai-into-the-edge-is-a-no-brainer-heres-why/?fbclid=IwAR3hRYuquNfTq5VzcEWYfqyJotBLBSp4PzLNyMackrs6V43r9NEMhRZ3Ap8
手機藥物影像辨識系統 在 民意論壇:聯合報。世界日報。udn tv Facebook 的最佳貼文
#酷經濟
疫情與科學交互影響經濟
林建甫
新冠病毒疫情發展有點撲朔迷離。歐美國家新增病例好像已逐漸從高峰趨緩,但都很擔心疫情再度死灰復燃。就像日本、新加坡,前些日子感覺已經控制住,但近日又增加大量確診病例。台灣在幾天零確診後,很多人以為可以放鬆心情,但是海軍軍艦官兵的確診爆發,又讓大家繃緊神經。
經濟社會百工百業,不是所有行業都因疫受害,有的還會因禍得福。生產面:確定的產線、確定的工人,流程容易掌握,只要有訂單,生產可以不受太大的影響。消費面:食衣住行基本生活,該有的消費跑不掉;需要見面做生意的零售、旅遊、餐廳,業績是大打折扣。但逛街購物改成網路購買,宅經濟、電子商務大行其道。
冠狀病毒是狡猾的微生物,如何傳染?接觸、飛沫、氣溶膠?如何治療?瑞德西韋、羥氯奎寧?因為不確定是服務業經濟最大殺手。如何化不確定為確定?尤其確保顧客安全,才有臨場消費。
現在為確保安全,到處量體溫,因為非典SARS病毒的經驗,有症狀就會發燒,才會傳染。但新冠病毒可能確診沒症狀,可能不發燒就傳染。所以量體溫的判斷實在不科學。大陸有些地方用手機健康碼來進行控管,但顏色的賦予及變動可能失準,也怕侵犯人權。
對抗疫情的三個方向:「採檢快篩、治療藥物、預防疫苗」等,都得依靠生化科技。首先,檢測病毒,目前是以病毒核酸的特異性基因片段,設計引子與探針,未來會發展更少量樣本和微量試劑進行即時檢測,加速臨床判斷、取得更好的準確度。更進一步以基因定序與編輯技術,搭配影像辨識化、資料視覺化,再結合微機電和微流體系統的藥物動力學,來加強治療藥物與疫苗的研發。
科學的進步,一方面走巨大工程的建造,另方面走微小世界的探索。現時很多材料的微觀尺度,都是以奈米為單位、半導體製程標準在千禧年後大多是以奈米表示。最小的病毒直徑約廿奈米,最大就是四百奈米,因此更準確的檢測,就應該有辦法對病毒監測,就像熱感應器判讀體溫。
有人說,這是天方夜譚。但科學的精神就是把想像付諸實現。科學研發是沒有限制的,限制的只是你的想像。
手機藥物影像辨識系統 在 陽明醫學系藥物影像辨識系統手機照相自動辨識藥丸 - YouTube 的推薦與評價
![影片讀取中](/images/youtube.png)
... 導致吃錯藥屢見不顯,所以自行研發「 手機藥物影像辨識系統 」--AIGIA愛家小藥師,只要透過手機照相,系統就能自動辨識藥丸,降低吃錯藥的風險。 ... <看更多>
手機藥物影像辨識系統 在 手機藥物影像辨識系統 :: 藥局地圖 的推薦與評價
手機藥物影像辨識系統 開一間藥局需要多少錢 春天藥局口罩99元 陳怡君演員 和生藥局評價 和信健康藥局負責人 德芳藥局媽媽禮2022 德芳藥局ptt 德芳藥局活動. ... <看更多>
手機藥物影像辨識系統 在 [新聞] 台灣老人常「吃錯藥」 陽明研發手機照相 的推薦與評價
台灣老人常「吃錯藥」 陽明研發手機照相辨識藥物
匯流新聞網記者陳鈞凱/台北報導
根據統計,在台灣,高齡長者每天平均要吃7.3顆藥,但每顆藥丸都
長得差不多,臨床常發生「吃錯藥」的情況,輕微的只是影響藥效,
嚴重者卻可能要了性命,陽明大學最新開發「手機藥物影像辨識系統
」AIGIA愛家小藥師,居家醫師只要透過手機照相,就能辨識藥丸到
底是什麼藥。
有調查顯示,台灣65歲以上失能需長期照護的高齡長者約50萬人,大
多患有多重慢性疾病,常常需要把多種藥物拆開放入藥盒方便服用,
但小小的藥丸顏色常類似,藥名容易混淆,高達一半以上長者有用藥
錯誤問題。
研發手機藥物影像辨識系統的陽明大學醫學系副教授、台北榮總家醫
科醫師陳育群多年來投入社區居家照護服務,就常看到有病患因為吃
錯藥而反覆就醫,例如一臥床老人,總覺得腹脹難消,但家屬反覆到
門診拿藥吃都沒效,最後才發現竟然是長期把攝護腺藥錯當作消脹氣
藥照三餐吃,難怪怎麼調藥量都沒有用。
尤其,醫師觀察發現,台灣病患喜歡把藥物全部拆開、放在同一個盒
子裡方便取用,但沒了包裝,往往連該怎麼吃都不知道。
陳育群表示,前後花了3年時間,研發出手機藥物影像辨識系統,並
自行開發手機APP,配合藥物拍攝裝置MedBox,只要直接用手機照相
鏡頭拍照,手機就可以透過雲端運算,針對藥物外觀進行智慧比對,
迅速判斷到底是哪一種藥,顯示藥物成分、適應症、用法、特徵、特
殊警語等訊息。
目前該雲端資料庫已內建1萬8025種健保藥物資訊、8000多張藥物影
像,可正確辨認400種居家醫療常用藥物,獲得台灣專利,而為了方
便越來越多的外籍照護者,系統也內建英語、印尼語、越南語及馬來
語。
陳育群說,吃錯藥不僅增加副作用,藥物交互作用更可能導致不必要
的急診住院等問題,而透過手機智慧居家醫療,可以讓每一個走進病
患家中的居家醫師能夠更快、更準、更好地藥物辨識,確保病患正確
用藥安全。
照片來源:陽明大學提供
https://cnews.com.tw/003190511a02/
心得:
藥物這種東西對非專業領域的人確實是都長的滿像的
而且把藥物都塞到同一盒子裡卻沒有清楚確認哪種藥物如何使用的話還真是麻煩
不過用這個程式看起來是還需要外掛類似鏡頭的東西?才能準確判斷
這樣醫院的人又多一件事情要教了
--
◆投票名稱: 八卦板板主選舉
選 項 總票數 得票率 得票分布
olmtw 2017/07/01-2018/02/28 19 票 1.52% 0.87%
olmtw 2018/06/23結果揭曉 43 票 4.06% 2.69%
超越0.87%,感恩有您
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 150.116.251.124
※ 文章網址: https://www.ptt.cc/bbs/MobileComm/M.1557625730.A.86E.html
... <看更多>