App 診斷兒童呼吸道疾病

2019 年 06 月 25 日2019 年 06 月 21 日 CASE PRESS APP, 人工智慧, 呼吸道疾病, 診斷

分享至

電腦不只會選土豆，也能輕易的判斷體檢報告中哪些健康指標超過標準，幫你標上醒目的紅字。人工智慧、機器學習領域現今發展一日千里，繼西洋棋、圍棋打敗人類冠軍之後，醫療臨床診斷也正被積極的開發中，最近在 Respiratory Research 期刊發表了一篇有趣的研究，只要手機安裝應用程式 app，並在機器學習演算法的幫助下，能夠診斷兒童的呼吸道疾病。

撰文｜楊朝傑

●人工智慧的診斷系統已是現在進行式

2018 年底我看了一部很有話題性的日劇《潘多拉第 4 季：AI 戰爭》，主角是名開發出人工智慧 (artificial intelligence, AI) 診斷系統的醫師，這項革命性的發明有如打開潘朵拉的盒子，劇情描寫 AI 診斷系統讓醫院得以節省人力，導致許多醫師可能失業的問題，另一方面也探討假如 AI 發生診斷錯誤，其法律責任歸屬與社會觀感的問題。戲劇總是反映著社會現象，實際上在世界各地，正如火如荼的開發 AI 診斷系統，像是知名的「IBM 華生醫師 (Watson for Oncology)」，早在 2017 年 7 月已引進臺北醫學大學，作為癌症診斷的輔助工具。

最近 Respiratory Research 期刊上發表的研究，開發出能夠診斷兒童呼吸道疾病的手機 app，該研究是由第一作者 Paul Porter 博士、澳洲昆士蘭大學 (University of Queensland)、科廷大學 (Curtin University) 等團隊所完成。運用類似於語音辨識的技術，訓練機器學習識別出 5 種不同呼吸系統疾病的咳嗽特徵，準確率已能達到 81% 至 97% 之間。

●訓練機器學習識別呼吸道疾病的咳嗽特徵

學習的要訣是從對的方向開始，機器學習也不例外。研究首先收集年齡在 29 天至 12 歲之病童的咳嗽聲來建立資料庫，採用 iphone 6 手機安裝專門的應用程式 ResApp Health 錄製，錄音時距離口部 25–50 公分，麥克風朝向受試者的角度為 45 度，以避免咳出的氣體碰到麥克風，並且要排除錄到環境背景噪音，每名病童都記錄了 5–10 次自發性或自願性咳嗽聲。研究表示不論是自發性或自願性咳嗽，兩者之間沒有音頻數據的差異。

研究使用 852 名病童的咳嗽聲，訓練機器學習辨識 5 種呼吸道疾病的咳嗽特徵，分別為氣喘、肺炎、下呼吸道疾病、哮吼 (croup)、及細支氣管炎 (bronchiolitis)。由評審小組決定臨床診斷結果，小組成員包括 4 名資深兒科臨床醫生 (專科執業經驗的中位數為 15 年)，專家們在評估所有可用的臨床數據後得出診斷結果。在驗證咳嗽演算法的正確性之前，臨床診斷就已經先得出結論，以確保為盲性 (blinding) 作業。

研究對 585 名病童進行分析，比較 AI 機器與人類專家診斷結果的一致性，結果 5 種呼吸道疾病的陽性及陰性之正確率依序為，氣喘 97% 及 91%、肺炎 87% 及 85%、下呼吸道疾病 83% 及 82%、哮吼 85% 及 82%、細支氣管炎 84% 及 81%。整體來說，正確率高達八成以上，因此研究認為此技術可作為兒童常見呼吸道疾病的診斷輔助工具。

●AI 診斷產業的前景無限

研究指出呼吸道疾病是兒童急診十分常見的原因之一，即使對於有經驗的臨床醫生來說，呼吸道疾病的鑑別診斷也是一項挑戰，可能需要多種評估方法，包括臨床聽診檢查、醫學影像、支氣管擴張劑反應試驗、肺活量測定和體液分析等。聽診是否能準確識別出氣道聲音的特徵？這相當依賴於醫師的臨床訓練和經驗。由於並非每個地方都像台灣都市中隨處可見醫院診所，所以研究人員希望此技術能運用在缺乏醫療設施的偏遠地區，或是作為在醫師診間檢查的輔助診斷系統。

未來 AI 診斷系統勢必能造福更多患者，不過是否會像上述日劇中出現專業醫療人員失業的問題？不論我們是否感到擔心，發展中的人工智慧已裝不回潘朵拉的盒子。若向歷史借鏡，工業革命導致馬車夫失業，但也造就汽車產業的蓬勃發展，潘朵拉盒子中除了有帶來動盪的事物，也可能裝有一絲希望。最後引用當紅劇集《權力的遊戲 (Game of Thrones)》，其中角色小指頭的名言：「混亂不是深淵，混亂是階梯 (Chaos isn't a pit. Chaos is a ladder.)」。在未來人工智慧的亂世中，或許我們能做的僅僅是不斷往上攀爬。

參考資料：

(Visited 23 times, 1 visits today)

分享至

views