mobile menu search box Facebook

台灣首座「AI 醫療影像」資料庫上線:兩秒鐘判讀心血管疾病,共可辨認 15 種病徵

2019.01.21
瀏覽次數:
合作轉載

台灣首座跨院所的本土化「AI 醫療影像」資料庫,一年來累積 4.6 萬個案例的相關影像,其中 1/3 已完成疾病資訊標註,開放給研究團隊合作開發演算法,包括北榮、台大、北醫等團隊,都藉此開發出 AI 醫療工具。

數位時代/吳元熙

鎖定心、肺、腦等領域,科技部於去年 12 月 26 日宣布,建置台灣首座跨院所的本土化「AI 醫療影像」資料庫,匯集國立台灣大學、台北榮民總醫院、台北醫學大學等頂尖醫師經驗,一年來累積 4.6 萬個案例的相關影像,其中 1/3 已完成疾病資訊標註,未來將持續蒐集資料,並把成果開放給外界合作。

AI 醫療資料庫:15 種醫療影像、4.6 萬個案例

科技部推動的「醫療影像專案計畫」,目標是對醫療影像資料進行符合 AI 訓練需求資料處理與編譯,並將開發可自動分析判讀醫療影像的 AI 演算法,標註影像資料,包括心臟冠狀動脈疾病、腦轉移瘤、原發性腦瘤、聽神經瘤、肺癌等疾病之電腦斷層、血管攝影、磁振造影和 X 光等 15 類。

像是北榮團隊針對腦部疾病,以 AI 自動偵測顱內轉移腫瘤,可圈住病灶位置和計算面積,輔助醫師做診斷;北醫團隊則標註 1,500 例肺癌影像,透過深度標註與 AI 模型開發來協助肺癌病理分類、診斷與預後預測。

「結合醫師的量化判讀經驗,累積醫療影像才更有意義」台北醫學大學附設醫院副院長陳震宇表示,肺癌影像解讀,是由病理科醫師透過切片,搭配玻片掃描、染色方法等,製成解析度 6 萬乘 6 萬、平均 1GB 的數位檔案,但這種作法相當耗時,一天可能僅能處理 20 位病人資訊。

陳震宇說,北醫開發的肺癌影像深度標註介面,會先由 AI 自動判斷,並提供醫師調整空間,讓醫師在自己的辦公電腦就能使用。

人工智慧大幅減輕醫師、病人負擔

還有台大團隊,透過 AI 自動將冠狀動脈結構與心肌血流功能融合。

「心血管疾病是台灣第二大死因,可能在 10 分鐘內奪走生命,」台大醫院心臟內科主治醫師王宗道說,近 15 年來,只要民眾曾接受電腦斷層掃描,醫師幾乎都有辦法看出心血管的問題,卻因為自費掃描不普及、影像後製耗時等因素,無法即早發現與治療。

他強調,傳統比對血管阻塞位置需花 20 分鐘,但人工智慧僅需兩秒鐘就能完成工作,能大幅減輕醫師負擔。

科技部指出,醫療影像是目前主要的非侵入式診斷工具,每個疾病個案有數張到數百張影像,結合 AI 技術與醫療影像的疾病診斷標註進行研究,所開發的自動分析判讀工具,不僅可以協助醫師加速醫療影像判讀及提高診斷的一致性與精準度,也可以縮短病人就醫時間及減少侵入式檢查,降低醫療的支出。

醫療團隊建置的影像和標註資料,將匯入國家高速網路與計算中心(國網中心)平台,提供其他研究團隊與資料建置團隊合作,並會做去識別化處理,保護資料當事人隱私,同時建立「退出資料」機制,保護個資自主權。

全文轉載自數位時代,原文標題:台灣首座AI醫療影像標註資料庫上線,2秒鐘就完成醫師工作!

延伸閱讀
>>「啊」一秒可測出 8 種病徵!元智大學用人工智慧分析聲帶健康,準確率突破 94%
>> 以科技因應高齡趨勢:師生共組「世大智科」,運用物聯網及 AI 技術打造長者智慧生活
>> 全世界最小的睡眠偵測器:睡覺前套上這款僅重 6g 的「護身戒指」,再也不怕睡眠呼吸中

 

下一季種什麼?讓 AI 告訴你!國際農業組織開發大平台,助農民提早半年預測種植未來

2019.01.15

編譯:林良齊

根據 Food Tank 報導指出,「國際農業研究諮商組織」(CGIAR)旗下組成農業大數據平台(簡稱 CGIAR Platform),欲利用人工智慧(AI)解決複雜的農業問題。該團隊由生物學家、農業學者、營養學家、數據科學家所組成,正利用大數據工具建造 AI 系統,可望助農民預測未來的收成情景,藉此提高農民的生產效率也降低耕種的風險。

在此計畫之下,CGIAR Platform 首先創造了一個更佳的方式去管理並共享農業數據,而他們的終極目標不僅是建立一個完善的數據庫,更要將這些從世界各農場收集而來的數據,透過演算法生成關鍵的洞察及建議,進一步回饋給農民。

CGIAR  Platform 將重心放在發展中國家的小農戶,這些小農往往在不到一公頃的土地上種植作物,卻供應約 7 成的世界糧食。CGIAR 大數據平台創始人之一 Andy Jarvis 表示,CGIAR Platform 協助小農的方式之一為——建構可以季節性預測的機率模式。

「順利的話,我們便可以在半年前預測並告訴農民一些簡單的資訊:哪些作物適合在下個季節種植、何時是種植的時機以及如何根據天氣模式優化農場管理等。」

Jarvis 與 CGIAR  Platform 領導人 Daniel Jiménez 說明他們如何建立這樣的預測模式——透過大量收集作物的管理、環境和收成的數據,並加入其他變數考量,如土壤養分、礦物質、微生物、害蟲和疾病等,進一步分析不同管理方式與環境條件下種植的收成情形。這些數據不僅數量要多,更要包含許多變因,以準確地模擬農場的複雜系統。

如今,在 CGIAR  Platform 已展現出對小農的潛在幫助——在數個雨季之後,哥倫比亞稻農十分苦惱於找出最佳的種稻時間。CGIAR 團隊彙整當地天氣數據以及水稻生產數據,預測哥倫比亞的降雨趨勢,並分析在不同降雨量水稻的生存能力。

根據數據分析,研究人員建議農民到下個季節再種植水稻,果然助稻農順利避開了足以破壞水稻的強降雨。以此為證,CGIAR  Platform 有望能透過大數據為農民解決問題,並提供關鍵的指引。

參考資料
Agricultural Intelligence: What AI Can Do for Smallholder Farmers(Food Tank)

核稿編輯:李沂霖

延伸閱讀
>> AI 時代來臨:除了無人商店,食品業還能用「數據」賣食物
>> 節能翻修如何最划算?只需 15 分鐘,這款 AI 平台就能為你開一張節能診斷書
>>「啊」一秒可測出 8 種病徵!元智大學用人工智慧分析聲帶健康,準確率突破 94%

如果你喜歡這篇文章,想以具體行動支持我們,歡迎按下標題下方或文末的「媒體小農捐款灌溉」按鈕,鼓勵社企流創造出更棒的內容!灌溉指南請點此


收看社企流「暖暖餐桌」:每天中午,為你加菜!

新的一年,讓我們陪你暖暖地開始!社企流精選 2018 年度高峰會精彩創業故事,01/07-01/20 每天一集,讓你吃飯配影片不孤單!
>>> 點我收看

主題
看更多主題