受訪者：白鎧誌（工學院、雲創學院助理教授）

時間：2021年7月19日 上午10：00-11：00

地點：DDS THU AI中心

整理：張運宗

 

 

沒有醫學院的東海

 

　　2018年8月台灣人工智慧學校（AIA）在東海成立經理人專班，臺中榮總選派10位醫護人員（4位醫師、2位護理師、4位工程師）參與課程，並在羅文聰與許瑞愷、陳倫奇老師指導完成關於病情惡化系統風險預測的專題，中榮和東海展開了密切的合作。^*註一

 

　　無獨有偶，同年底，DDS〈社論〉發表「你有醫院，我有AI」一文，

 

東海今天有很好彎道超車的機會，那就是全力往AI靠。　 我們已經有了一個好的開始，就是已經成立了雲創學院，也接手台灣AI學校中部分校的人才培訓。　 再來就看有沒有決心爭取，願不願意大力投資，來把握這關鍵時刻。^*註二

 

　　並提出DDS願意以配合款（matching fund）專款一蹴（jump start）東海的AI大業。　「AI框架協議」於焉積極推動。　

 

　　2020年7月29日，中榮許惠恒院長、東海王校長主持的科技部醫療整合型計畫，在羅文聰率AI中心團隊與吳杰亮醫師團隊經過一年多的合作努力，獲得科技部各委員的高度肯定，通過為期4年補助。　

 

　　同年8月24日是一個值得標記的日子。　經過一年的盤點，「AI計畫」開始出現共同開展的方向。　鄭理事長與王校長主持企劃小組會議，確立「校級計劃」的內容及實施要點；^*註三「沒有醫學院的東海即因與中榮的合作計畫，「智慧醫療」列入了校級計畫之中，由羅文聰擔任主持人。　」　同日，中榮許惠恒院長率20餘位醫師護理主管至AI中心啟動東海-中榮的科技部「臨床資料庫與AI之 跨域開發及加值應用」4年期整合型計畫。　

 

　　此後，中榮醫生與東海老師每週展開多場跨域會議，從未間斷；同時，除了AI研發團隊外，更有研究生、大學部專題生參與其中。　

 

　　2021年7月1日科技部來函確定中榮-科技部整合型計畫通過第二期補助。　

 

 

跨域的關鍵：溝通

 

　　中榮與東海不乏個人或單一對象的合作，但雙方願意攜手共同完成科技部整合型計畫在於一個不約而同的想法，實際有用，能夠產出研究論文，也能夠落地，對臨床醫生或病人提供實際的輔助訊息。　

 

　　不管任何一個領域，要把AI加進去，除了Domain knowledge之外，就須要技術。　「醫療」加上「智慧」，醫生在專業的Domain knowledge自然無須贅言，且已有醫護人員陸續參加類似AIA的課程，然而如何把技術實際運用到臨床的場域之中？　這就不是短時間能夠一蹴可幾。　

 

　　「技術」會是DDS THU AI中心的強項，但是，醫生的需求在哪裡？　AI專業技術如何幫助他們實現？　從基本問題出發，所謂的「技術」就有兩個重點，一個是AI技術，另一個是，更重要者，溝通。　

 

　　「醫療」若欲加上「智慧」，醫生必須先確立一個目標，但問題的定義並非醫生單方面的決定，而必須從技術的角度來看待每一個問題。　一開始，醫生必須說服東海的AI研發團隊，某個問題的解決對於醫生和病人能夠提供多麼重要的幫助；接下來，研發團隊必須評估AI相關技術是否能夠有效解決這個問題，這就變成研發團隊開始說服醫生，在可實踐的範圍內修正問題。　這是一種學習過程，冗長、繁瑣、深度地尋找一個平衡點。　

 

　　所以，AI研發團隊除了專業技術的能力之外，能否與不同領域的專業人士進行良好的充分溝通，包括表達、理解諸能力，能否把醫生的問題轉化成為自己適當的認知，再轉化成為資料處理的技術，這是一個非常重要的關鍵。　

 

　　「技術」在跨領域的不同專業的合作裡，並不是一開始就直接進去，「溝通」才是真正的第一步。　

 

 

AI+HI

 

　　智慧醫療的計畫總目標，簡單說，就是一套醫療輔助診斷照顧系統，其下再拆成幾個階段性目標。　

 

　　第一年的目標，醫生希望是把一些重大疾病進行實際可以上線的預測、預警，或診斷輔助，已經完成上線的成果共有4個，除了自AIA開始研發的「病況惡化預測」（National Early Warning Score, NEWS）之外，還有「呼吸重症」（急性呼吸窘迫症診斷、呼吸器拔管預測）、腎臟重症（急性腎損傷預測、急性腎損傷恢復預測、「感染重症（血流感染預測）。　

 

　　這些依據過去醫療資料的大數據發展的AI模型，獲得中榮醫生的肯定，認為大多數符合他們臨床判斷的標準，甚至看到了一些他們沒有看到的層面。　這具備一個積極的意義，下一階段必須導入新的資料讓AI模型學習，才能有更進一步的突破。　何謂「新的資料」？　醫生對於疾病發生與惡化的判讀過程，也又是所謂的HI（Human Intelligence）。　

 

　　在第一階段中，傳統醫療資料建立的大數據已經完成，對於AI的傳統期待「預測」也獲得一致的肯定，第二階段的重點即是AI+HI。　一切又回到最重要且關鍵的基本功，AI研發團隊研讀大量的國際論文，尋找AI+HI相關的研究；同時，醫生發展新的問題定義，並提供更多的醫療行為資訊。　換個角度說，如果第一階段研發團隊主要是大量研讀國際相關論文，第二階段的研發團隊必須梳理，醫生從住院醫生開始的學習經驗所不斷累積的大數據，從中找出有用或錯誤的訊息，協助醫生進行判斷。　

 

　　兩者的努力必須加到現有的AI模型上，讓AI持續學習，參與溝通。　

 

　　在第二階段中，「溝通」將會出現兩個嶄新層面的意義，一是幫助醫生解釋AI模型是如何判斷的，二是幫助新進醫生迅速傳承且融入醫療軌道。　

 

　　不僅是疾病有無的預判，就像傳統醫療中，醫生會從生命參數判斷病情，同樣的，在疾病可能發生或惡化的預測中，醫生也希望知道AI是從哪幾個層面預判疾病的發生或惡化。　

 

　　在「新的資料」導入AI模型且不斷修正、解釋的過程中，更有趣的是，「溝通」發生了一個與教育相關的新層次。　醫生憑藉專業不斷累積Domain knowledge，就像傳統產業裡老師傅的手藝，都渴望有效地傳承下去。　以AI模型作為一個溝通工具，對於一個疾病的發生，資深醫生會有一套解釋，AI會有不同層面的判斷，新進醫生也會有自己的想法，結合三方的訊息的溝通，不僅在既有的醫療行為中可能提出從未想過的解決方式，同時也成為協助新進醫生的培訓工具。　

 

 

實際有用的研究與教學

 

　　「智慧醫療」透過中榮與東海的合作建立了一個典範，擁有AI人才，可以在各種不同的領域裡佔有一席之地。　不僅具備爭取「外部」資源的能力（智慧醫療的經費完全依靠外部資源，而非AI計畫經費），同時，攜手產業（或公、私部門）解決實際有用的問題的成果，也具備研究、教學的正面意義。　

 

　　以研究為例，僅僅半年的時間，運用中榮的data與domain，東海老師與中榮醫生於今年（2021）上半年已經攜手完成了（發表與待發表）7篇論文，以及2個正在申請中的專利。^*註四

 

　　東海沒有醫學院，但校級的「虛擬學院」結合「校級計畫」正能突破院系的界限，產生實質的跨域。　2021年6月16日雲創學院舉辦本（110）學年度的學生專題報告，3組專題中有2組來自電機、工工的學生做「智慧醫療」。^*註五

 

　　除了可以慢慢培養的技術之外，雲創學院教學更重視，培養學生探勘問題的能力；且是直接面對醫院（產業）有用的問題。　學生必須思考，為什麼要做這個題目？　如何從這個題目的資料中擷取有用的訊息？　傳統的教學會把一份整理過的「好資料」給學生，在雲創學院，學生拿到的是國際公開資料庫，一份完全沒有被整理過的資料。　

 

　　一開始，學生完全不懂技術，更不懂醫療，技術問題可以請教老師，碰到醫療專業問題，老師和學生就一起請教醫生，真正做到學校和業界攜手教育轉化。　

 

　　學期末的專題報告，學生已經能夠完成全部相關資料的整理，且這個成果是與醫院同步的，是有用的，因為「智慧醫療」的資料來自於中榮，具備隱私性，外部不宜使用；而國際公開資料庫過於龐大，過去從來沒有人清理。　所以，雲創學院的專題對醫生的幫助相當大，此後醫生需要任何相關欄目的資料都能立即撈出來了。　

 

 

　　透過AI模型的建置，「校級計畫」的「智慧醫療」開啟了「溝通」的不同層面：跨領域的知識與技術、醫生與病人、資深與新進的醫生、真實有用與研究論文，以及學生的學習。　

 

 

 

註一，參見「吳杰亮談中榮的數位轉型」。　

註二，參見「你有醫院，我有AI」。　

註三，參見「AI 企劃小組會議 (暨校級計劃共識會議)」。　

註四，發表與待發表的論文，包括，

1. Chieh-Liang Wu, Ming-Ju Wu, Lun-Chi Chen (陳倫奇), Ying-Chih Lo, Chien-Chung Huang, Hsiu-Hui Yu, Mayuresh Sunil Pardeshi, Win-Tsung Lo (羅文聰), Ruey-Kai Sheu (許瑞愷), “AEP-DLA: Adverse Event Prediction in Hospitalized Adult Patients Using Deep Learning Algorithms,” IEEE Access, vol. 9, pp. 55673-55689, 2021.
2. Kai-Chih Pai (白鎧誌), Min-Shian Wang, Yun-Feng Chen, Chien-Hao Tseng, Po-Yu Liu, Lun-Chi Chen (陳倫奇), Ruey-Kai Sheu (許瑞愷), and Chieh-Liang Wu. “An Artificial Intelligence Approach to Bloodstream Infections Prediction,” Journal of Clinical Medicine, 10(13), 2901, 2021.
3. Chun-Te Huang, Rong-Ching Chang, Yi-Lu Tsai (蔡佾錄), Kai-Chih Pai (白鎧誌), Tsai-Jung Wang, Chia-Tien Hsu, Cheng-Hsu Chen, Chien-Chung Huang, Min-Shian Wang, Lun-Chi Chen (陳倫奇), Ruey-Kai Sheu (許瑞愷), Chieh-Liang Wu, and Chun-Ming Lai (賴俊鳴). “Entropy-Based Time Window Features Extraction for Machine Learning to Predict Acute Kidney Injury in ICU,” Applied Sciences, 11(14), 6364, 2021.
4. Ming-Cheng Chan, Kai-Chih Pai (白鎧誌), Shao-An Su (蘇紹安); Min-Shian Wang, Chieh-Liang Wu, Wen-Cheng Chao. “Explainable machine learning to predict long-term mortality in critically ill ventilated patients: a retrospective study in central Taiwan,” Therapeutic Advances in Respiratory Disease: SAGE Journals, 2021 (Under Review).
5. Yi-Da Wu, Ruey-Kai Sheu(許瑞愷), Chih-Wei Chung, Yen-Ching Wu, Chiao-Chi Ou, Chien-Wen Hsiao, Huang-Chen Chang, Ying-Chieh Huang, Yi-Ming Chen, Win-Tsung Lo(羅文聰), Lun-Chi Chen(陳倫奇), Chien-Chung Huang, Tsu-Yi Hsieh, Wen-Nan Huang, Tsai-Hung Yen, Yun-Wen Chen, Chia-Yu Chen, and Yi-Hsing Chen, “Machine Learning for International Consensus on Antinuclear Antibody Patterns (ICAP) Competent Level Mixed Patterns Recognition”, Diagnostics Vol. 11, No. 642. (accepted date: 2021/03/28)
6. Lun-Chi Chen(陳倫奇), Ruey-Kai Sheu (許瑞愷), Mayuresh Sunil Pardeshi(馬優), Kai-Chih Pai(白鎧誌) , Chieh-Liang Wu,and Chia-Yu Chen, “Multi-Modal Data Analysis for Pneumonia Status Prediction using Deep Learning,” Submitted to Journal of Medicine Internet Research, 2021/07/01
7. Tsai-Jung Wang, Kai-Chih Pai (白鎧誌), Chun-Te Huang, Li-Ting Wong, Minn-Shyan Wang, Chun-Ming Lai (賴俊鳴), Cheng-Hsu Chen, Chieh-Liang Wu, Wen-Cheng Chao, “A Positive Fluid Balance in the First Week was Associated With Increased Long-term Mortality in Critically Ill Patients: a Retrospective Cohort Study”, Frontiers in Medicine, section Intensive Care Medicine and Anesthesiology, 2021 (Under Review).

 

申請中的專利，包括，

1. 數據驅動人工智慧輔助決策即時回饋醫療照護系統，
2. 抗細胞抗體之自動判讀系統及其自動判讀方法。　

 

註五，「呼吸重症病人出院存活預測模型與線上預測工具建置與開發」、「運用MIMICIII資料建立急性腎損傷預測模型與聯邦式學習實作」。　

 

圖片取自，東海大學產業影片。

【東海大學】為大學注入AI力，面對未來無所懼！

【東海大學】以AI，為台灣年輕學子布局十年！

 

 

 

 

---