訂閱電子報∣ 友善列印字體大小 文章分享-Facebook 文章分享-Plurk 文章分享-Twitter
中國AI+醫療腳步快
獲取產業訊息零時差!立即訂閱電電公會電子報。

 

隨著中國大陸科技巨擘對於人工智慧底層技術發展逐漸成熟,開始轉向應用面布局,顯示中國大陸從AI技術轉向AI+應用。而在眾多應用領域中,基於中國大陸健康醫療環境長期存在諸多痛點,因此中國大陸政府及科技巨擘均積極投入發展AI+健康醫療,希冀改善中國大陸健康醫療環境及商業模式。 在健康醫療領域,人工智慧擁有廣泛的具體應用,以醫療、個人及醫藥三大構面觀察(圖1),目前主要的需求及面臨之瓶頸不同,所延伸出的子應用也有所差異。

圖1 中國大陸醫療需求及延伸AI+醫療子應用
資料來源:資策會MIC(12/2017)

虛擬助手

此子領域幾乎涵蓋人工智慧在醫療領域所有的應用,主要透過人工智慧技術模擬、學習醫生的思考判斷等能力,成為醫生的虛擬助手以提升醫生工作效率。舉例來說,透過用戶與線上人工智慧系統對話時所列舉的症狀,給予初步的診斷結果和具體的應對措施,提高就醫時的效率。亦或是在透過智慧語言處理與理解技術,醫生只須透過錄音的方式即可方便快速的轉變為電子病歷;以及透過深度學習的技術可對大量的就診紀錄進行挖掘,輔助醫生提供適合病患治療方案的決策分析。

健康管理

透過機器學習主動瞭解人類生活習慣,進而根據結果提供用戶喜好的健康管理模式。舉例來說,患者的慢性病管理需要定期複診,並和醫生長期保持溝通,系統能夠以機器學習的方式不斷更新患者的情況,並分析患者行為和習慣,預測健康風險,給予以用戶為中心的客製化健康管理計畫。

病人監護

透過機器學習護士照護病人時的行為,並運用人工智慧技術進行數據分析並評估病人整體狀態,協助規畫日常生活。亦或是提供患者的用藥管理,透過機器學習技術深入分析患者症狀,提供更專業用藥建議,及有助判斷藥品與患者的匹配程度,並結合個人身體狀況,提供安全可靠的用藥保障。

醫學影像

醫學影像主要透過圖像識別技術,提高閱片速度和經驗,進一步透過用深度學習來識別醫學影像圖片,能夠在醫生進行問診前,短時間內輔助分析X光片,提出可靠的診斷建議,減少誤診率。

基因組學

透過大量的遺傳資訊及醫療診斷數據蒐集,以人工智慧技術尋找遺傳資訊及疾病的關聯性,建構基因數據解析平台,實現基因解析的自動化、大量化和客製化,提高基因資料的解析準確度和速度,進一步提前告知醫生患者可能出現的變異。

藥品開發

將深度學習技術應用於藥物臨床前研究,將藥物的分子結構庫溯源,研發具有針對性的藥物,並達到快速、準確地挖掘和篩選合適的化合物或生物,達到縮短新藥研發週期、降低新藥研發成本、提高新藥研發成功率。

數據/商業模式為AI+發展要素

從虛擬助手、健康管理、病人監護、醫學影像、基因組學及藥品開發等六個具體應用領域觀察,目前中國大陸發展各有利基。而數據的完整性、商業模式成熟度、需求的剛性程度及技術成熟度等是影響AI+健康醫療子領域應用發展的主要因素。

在「醫學影像輔助診斷」及「虛擬助手」方面,主要有三大特性:

(一)商業模式清晰:以B2B方式向醫院/醫生/醫療平台收取費用,雖然訂價方面仍在摸索中,但收費模式簡單明瞭。

(二)市場需求龐大:中國大陸大醫院人滿為患,醫生疲於應付,導致誤診、漏診率高,透過虛擬助手及醫學影像輔助診斷的協助,有助提高醫生的品質與效率;尤其是醫學影像有助解決放射科醫生稀缺的困境;加上基層醫療機構的醫生缺乏判讀影像的經驗,透過深度學習的技術可以快速學習和掌握老醫生的閱片經驗。

(三)技術成熟:目前在語音及圖像識別技術已相當成熟。

基於精準醫療(Precision Medicine)的趨勢下,即使「基因組學」領域具投資額龐大,回報期長等高進入門檻的特性,中國大陸的市場資本仍大量投入。在「藥品研發」領域與基因組學領域相同需透過長時間的回報期,然而目前中國大陸新創企業投入在此領域比例較低,猜測主要原因為新藥的開發應用目標客群為藥企,對於一般藥廠、醫院、消費者而言,並不具有直接的需求,顧客族群較窄,同時新藥開發的進入門檻高,技術多仍處於實驗室階段。

在「健康管理」與「病人監護」兩領域對於消費者而言需求彈性大,且透過傳統網路技術即可達到類似效用,特色並不鮮明;不過觀察此兩應用的特性,均屬消費者行為且較不涉及到醫療行為,政策風險較小。

中國巨擘齊推動 智慧醫療落地中

中國科技部於2017年底召開新一代人工智慧發展規畫暨重大科技項目啟動會,並公布首批中國大陸人工智慧開放創新平台名單,以支持人工智慧發展戰略。其中包括:依托百度公司建設「自動駕駛」人工智慧開放創新平台,依托阿里雲公司建設「城市大腦」人工智慧開放創新平台,依托騰訊公司建設「醫療影像」人工智慧開放創新平台,依托科大訊飛公司建設「智能語音」人工智慧開放創新平台。

顯示百度、阿里、騰訊、科大訊飛四家公司(簡稱BATK)目前在人工智慧技術上已有相當成就,也因此中國大陸政府希冀藉由龍頭企業開放技術平台,讓更多新創企業可快速發展相關應用;另外,雖然BATK分別背負著發展不同應用的任務,但基於中國大陸健康醫療市場龐大,BATK也同步積極發展AI+健康醫療領域。

以兩者為例。百度先前在醫療領域的布局,主要以百度醫療事業部所開發的醫療O2O為主,透過自行建設的七個平台(百度健康、百度醫生、百度醫學、百度醫圖、Dulife、百度直達號及拇指醫生),提供線上掛號等技術含量低的服務,然而魏則西事件的發生使得百度原先醫療競價排名的收入下滑,呈現負成長,因此2017年2月百度裁撤醫療事業部,並對外說明未來將資源集中發展人工智慧應用於健康醫療領域。

百度的人工智慧部門其實早在2016年10月即推出「百度醫療大腦」,起先依靠其自建平台所累積的數據及合作方的資源,提供兩項服務:

(一)百度疾病預測:利用使用者搜索疾病和位置資料,即時提供幾種流行病的發病指數。

(二)康知皮膚醫生:採取祥雲醫療的臨床真實患病圖片和患者病歷,導入「百度醫療大腦」的人工智慧技術,提供患者預防、自診皮膚病以即時治療。然而,在裁撤醫療事業部後,百度醫療大腦轉而與新創醫療O2O平台合作,開放百度醫療大腦的人工智慧技術。2017年4月與5月已分別與「社區580」及「眾康科技-雲居家、雲醫院平台」合作,希冀透過兩平台的用戶數據協助百度醫療大腦能持續學習及能力不斷優化提升。

從百度醫療大腦目前的布局觀察,百度短期在醫療的發展方向將聚焦在扮演醫生及患者虛擬助手的角色,並以服務居家與社區基層醫療為主,透過智慧診療系統來幫助全科醫生(又稱家庭醫生)在患者就醫前,以圖像識別、自然語言對話等技術蒐集患者病狀,使醫生能快速篩檢小病,以及重大疾病和傳染病的預警。

2017年3月阿里雲在雲棲大會.深圳峰會上發布「ET醫療大腦」,正式進入AI+健康醫療領域,成為繼「百度醫療大腦」之後,中國大陸第二個醫療大腦。別於百度醫療大腦,ET醫療大腦主要從事癌症方面的研究,其布局大致分為三部分:

其一,與浙江德尚韻興圖像科技有限公司聯合開發針對「超聲甲狀腺結節的智慧診斷演算法」,透過德尚韻興醫學影像輔助診斷的技術,結合阿里雲的深度學習技術,以模仿人腦機制來篩選醫學影像特徵,快速掃描分析,並能自動圈出結節區域,自行給出良性與惡性的判斷,據了解準確率已達85%以上。

其次,與復旦大學附屬上海華山醫院合作,透過華山醫院大量臨床數據,並以阿里雲的技術對大量臨床資料進行快速、高效的運算。兩方的合作主要針對新藥的開發,由於新藥開發前需要長時間的臨床前研究,而透過雲計算、人工智慧模擬分析藥物在體內的代謝規律,取代部分臨床實驗,甚至是白老鼠的活體實驗,用於加快特效藥研發。

最後,與華大基因及Intel合作共建「精準醫療應用雲平台BGI Online」,透過Intel的晶片與阿里雲的雲端運算、人工智慧技術,將華大基因的數據導入,目前主要針對肺癌案例的DNA序列進行分析,尋找致病的關鍵基因突變,意圖從根本上戰勝癌症。然而,基於以DNA為基礎,早期發現疾病的實際應用尚處研究階段,因此,阿里雲在雲棲大會.深圳峰會同時宣布,將聯合Intel、腫瘤大數據公司零氪科技(LinkDoc)啟動第一季天池醫療AI系列賽,並以「診斷早期肺癌」為主題,希冀以LinkDoc提供之胸部影像,透過參賽者的模型算法檢測影像中的肺部結節區域,實現對影像圖片結節區域的智慧化判斷。

從阿里巴巴的布局觀察,目前阿里巴巴及戰略合作方的技術仍以醫學影像輔助診斷為主,如甲狀腺結節的診斷。然而從阿里巴巴與華大基因及Intel合作共建的精準醫療應用雲平台發現,阿里巴巴的發展重點為從基因根本出發來杜絕肺癌發生的可能,只是限於目前的技術尚不成熟及基因研究需要很長的一段時間,因此,阿里巴巴才會轉向以醫學影像輔助診斷,希冀同樣以醫學影像輔助診斷早期肺癌。

一般而言,人工智慧的產業鏈分為基礎層、技術層和應用層。其中,基礎層包含數據資源與運算平台,大多把持在少數的醫院及醫學中心手中。技術層則提供算法建立模型及應用技術;最後應用層提供具體開發應用於各個領域。基於技術層具有高投入、高收益的特點,需要中長期進行投資,國際級科技巨頭如IBM、Intel、Google、中國大陸BATK等具有資金及技術優勢,因此掌握人工智慧的關鍵技術。然而,隨著開放平台將成為趨勢下,新創企業將受益,紛紛在應用層布局健康醫療細分領域。可預見未來的人工智慧於健康醫療應用的產業結構將形成倒金字塔,基礎層、技術層將把持在少部分的科技巨頭手上,而在應用層將呈現百花齊放的態勢。

反觀,台灣目前雖然並沒有如IBM、Intel、Google、BATK等這類型的科技巨頭投注大量資金在人工智慧技術層上,但台灣擁有大量且連續性的健保數據資料及各醫院/醫學中心擁有大量的醫學影像資料,同時又有優秀的醫護人員、醫療服務管理能力等優勢,尤其發展AI+健康醫療亟需專業醫生的經驗判讀,才能提高人工智慧的精準度。因此應在開放平台的趨勢下,並以符合個人資料保護法為前提,透過引入國際的人工智慧技術來發展AI+健康醫療,在應用層中獲取價值,掌握利基優勢。

訂閱電子報 友善列印 字體大小:
獲取產業訊息零時差!立即訂閱電電公會電子報。