人工智慧(AI)究竟可如何改善人類生活?該項技術目前已經被應用於許多產業中,但若是要說「嘉惠」於人類,那麼必定非醫療領域莫屬;看好人工智慧在醫療領域中的應用,IBM、微軟(Microsoft)等大廠皆已將AI導入醫療領域中;如今Google也欲透過該公司的TenserFlow機器學習技術,以辨識糖尿病患者視網膜影像,降低罹患該項病症患者失明的可能性。
|
Google台灣區分公司總經理簡立峰認為,目前影像辨識是人工智慧這個深度學習領域裡面最成功的部份,且在醫學領域中有相當大的應用潛力。 |
Google研究團隊產品經理、醫學博士彭浩怡舉例,在印度有高達45%的糖尿病患,因為缺乏專業眼科醫生,所以在視網膜病變確診之前早已失明;但糖尿病視網膜病變其實是可預防的,只需要有足夠的專業醫生,並透過視網膜眼底圖像即可判斷病患的視網膜是否已產生病變。
彭浩怡表示,若是運用機器學習技術,即可縮短醫生判讀的時間,篩檢出有問題的視網膜影像。為此,該公司團隊聘請54名美國食藥監局(FDA)認可的眼科醫師與相關專業人士,取得13萬張眼底圖像,最終標記出超過88萬個確診症狀,利用這些資料讓機器可進行判讀作業。
據了解,彭浩怡的團隊建立了26層的深度卷積神經網路(Convolutional Neural Network),標記好素材後再對機器進行訓練。隨著真實資料量日益豐富,再加上運算能力較過往強大數千萬倍,使得神經網路表現較以往其他的網路更好。
除了糖尿病視網膜病變的判斷之外,彭浩怡也表示,該公司的TensorFlow機器學習技術目前也用於判讀乳癌或前列腺癌等切片影像中,希望未來可協助相關醫生進行病症判斷。
Google台灣區分公司總經理簡立峰也認為,目前影像辨識是人工智慧這個深度學習領域裡面最成功的部份,且在醫學領域中有相當大的應用潛力,值得台灣相關領域關注;再加上台灣糖尿病盛行率為世界第二,僅次於日本,所以國內也有相當龐大的相關資料量。
最後,彭浩怡也表示,未來深度學習將往臨床驗證、建立醫療團隊的信任感,以及機器辨識流程符合醫生工作需求等三大方向進行。由於要使醫界願意信任且採用新技術有一定的難度,且新式工具是真正可協助醫生進行診斷的利器,這些層面,都是未來深度學習需要克服的挑戰。