iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 26
0

全面引入AI到醫療領域一直是各國重點投資項目,雖然在前幾天已經寫過智慧藥物開發的進展和困境,但還是有需多醫療分支領域需要更多研究員的投入,因此這篇會提出其他可以投入AI的領域,大概會分成3個部分,分別是使用者端的穿戴式裝置、醫院端AI輔助診斷裝置、和AI藥物開發製程。

醫療穿戴式裝置

常見傳統穿戴式裝置是以一般常見功能型裝置,像是能夠執行聊天app、遠端家具控制等,但這幾年AI醫療概念逐漸發展起來,開始出現能偵測生理數值的功能,像是智慧手環能夠偵測心跳、體溫、睡眠情緒等,這些資料透過後端AI分析就能夠即時回饋給使用者提供相關建議,以降低潛在疾病的生發率。

AI診斷設備

輔助醫生診斷
有賴於影像辨識的技術成熟,已經有醫院導入相關技術,其中一項就是放射影像診斷,google brain前領導者Andrew Ng教授就曾發表透過AI影像辨識,其診斷正確率能夠媲美人類判讀,雖然後續有許多醫療相關學者出來反駁,但不可忽略的是AI的進步和與醫生的協作確實讓診斷的正確率提升。

DIY診斷
目前DIY診斷是透過一般民眾都在使用的3C產品來作為診斷工具,這與醫療穿戴式裝置非常像但是穿戴式裝置只負責收集資料傳送到後端進行分析,DIY診斷則是依靠3C產品的AI app自行判讀數據。

日前以色列新創公司Healthy.io研發讓腎臟病患可在家中檢測尿液的小型分析系統,已在以色列與歐洲上市,且產品已經通過美國食品藥品監督管理局(FDA)的上市核准。

該產品讓使用者在家自行收集尿液,並滴於特製的尿液試紙進行資料採集,在透過手機鏡頭拍攝試紙顏色進行判讀,其中最大的困難是各家手機鏡頭解析度不一樣,因此該公司需收集大量照片進行演算法調整,來達到高準確率。

AI藥物製程

AI藥物製程最主要目標是縮短藥物開發時間與減少開發資金,目前AI能夠著手的其中一個地方通常是化合物的性質預測,像是預測該化合物與哪些疾病有抑制效果,或是化合物本身是否毒性強,這種預測先決條件是需要先有化合物,但是世界上能夠產生的化合物數量接近天文數字,因此有另一派學者是透過AI生成模型來直接產生潛在化合物,其方法為讓AI學習被認可的藥物特性,再以AI自動產生出潛在變種藥物。

Reference

1. AI 衝擊醫療業 9 大領域,連心理諮商都可能會被機器取代
2. 穿戴式裝置走入照護、醫療專用市場商機無限


上一篇
AI騙局
下一篇
公益AI單位介紹
系列文
資料分析之路的雜談30

尚未有邦友留言

立即登入留言