醫療影像

當前這個萬物聯網的世界每天都產生海量的大數據，用來訓練機器的資料不虞匱乏，但如何篩選及處理才是問題所在。因為用來訓練的資料，關係到模型的成效表現。使用偏差、失衡的資料來訓練機器，更會有災難性的後果。

臺灣醫療體系因為健保廣受好評，但這項榮耀卻是建立在醫護人員的血汗之上。若將人工智慧（AI）引入醫療產業，對於臺灣整體醫療與其中的工作人員而言，究竟是福是禍？

防治肺癌的最好方式就是早期診斷，不但可以防止癌細胞擴散也能提升病患生活品質與存活機率，然而肺癌早期的症狀不明顯。AI可以判讀電腦斷層掃描影像協助醫師早期診斷，初步測試效果很好，準確率與放射學家不相上下。

麻醉的發明是醫學上最重要的發展之一，也是促進外科進步的關鍵因素，在三國故事中，關公接受刮骨療傷，在沒有麻醉的情況下，還可以氣定神閒的與馬良下棋，但是現實中的一般人，沒有麻醉不可能忍受手術的巨大痛苦，丁乾坤說明，過去麻醉醫師只能靠自己的經驗來實作，現在有了AI科技的輔助之下，就可以大幅降低麻醉風險，提高醫療品質。

大量的資料是訓練AI不可或缺的素材，若是品質不佳或者數量不夠都會造成許多不良的後果。然而，資料總不可能從天而降，尤其醫療相關資料牽涉到個人隱私，這時政府跟民間團體的溝通就顯得格外重要。究竟要政府要提出何種願景，才能讓民眾相信提供資料對於整個社會和個人都是利多於弊呢？

講者／張大慈（國立清華大學分子與細胞生物

Big data、演算法和運算能力驅動人工智慧發展，最初AI發展運作方式是由專家定義知識，機器模擬專家思路解決問題，後續機器學習方法出現、應用新一代的演算法像Deep Learning、搭配高速運算GPU，才能夠達成像Alpha go的AI系統，近幾年AI醫療快速發展，很重要的關鍵就是Big data，醫療數據的整合將產生非常大的力量。

2016年日本東京醫科學研究所利用Watson系統診斷病情惡化的血癌病人，在眾多頂尖醫師束手無策的情況下，Watson利用大數據資料及病人基因，在10分鐘內給出正確的診斷。2016年《自然》刊登人透過工智慧診斷皮膚癌的精確度勝過皮膚專科醫師。醫學影像，亦開始大量使用AI技術判讀。總總AI在醫療運用成果，讓人無法漠視AI技術，對醫療產業產生反思—醫師是否將被AI取代？