加速智能医疗步伐：让数据价值最大化

近来医疗界积极投入AI应用，但若想揭开这座宝库，数据储存管理架构必须率先革新，才能真正释放AI的价值，拥抱医疗4.0。

 

在医疗过程中，从早期徵兆到临终照护，医病数据拥有着大幅提升病患医疗水准的力量，因为它能改变医疗研究与诊断的方式。然而，随着数码化的不断普及，医疗机构正逐渐累积前所未有的庞大数据量。

 

所幸藉由人工智能（AI）与数据分析的运用，医师和研究人员都能获得一些具有决策参考价值的讯息。但尽管AI具备了彻底改变医疗体系的发展潜力，医疗机构想要揭开AI这座宝库可不是一件简单的事。

 

数据谷仓限制转型步伐，解决方案寻求新出口

 

AI逐渐受到亚太地区医疗业的关注，根据2018年IDC的一份报告指出，亚太地区的医疗业在AI支出方面排名第三，仅次于银行和零售业。2018年，医疗机构在AI的花费估计约8,760万美元，其中绝大多数资金都投注在诊断与治疗系统。然而，大多数的企业机构在试图从零星蒐集的数据来源当中打造出一套有效的工具来实现目标时，却遇到了障碍。

 

例如，放射科医师在学术研究上有时会用到20,000至30,000张切片的CT和MR扫描，因此需要平稳的效能，不能有太多延迟，才能尽速获得结果。此外，也有越来越多医疗人员利用「医学影像储传系统」（Picture Archiving and Communication
Systems，简称PACS）来从事更广泛的分析，而这些系统毫无疑问地将随着一些数据密集技术（如乳房断层摄影）的出现而需要不断扩张。

 

上述这些今日医疗基础架构的需求已点出：

 

旧式数据储存管理解决方案很快将无法支持AI系统。原因是这些管理储存方式，多数的数据无法被其他应用程序存取或不易移转，容易导致数据孤岛（data silo）现象产生。

这样的阻碍对需要跨应用程序筛选数据以迅速有效发掘洞见的AI系统来说，将是一大限制。

 

由此可知，如何将AI融入营运当中，是医疗产业首当其冲的课题，可惜的是许多机构都缺乏整体规划，使得企业在设定目标、决定预算、建立数据管理方式，或者选择合作夥伴时，就会遇到困难。当AI快速发展，那些尚未规划蓝图来善用数据资产的企业机构，未来将成为落后者。

 

不仅如此，管理不善的储存使用方式与四处分散的储存系统，也阻碍了数据即时的存取与分析，进而降低准确度和速度，而这正是病患治疗当中最重要的两项关键。

 

掌握关键步骤，效益即刻彰显

 

为了释放AI的真正价值，医疗机构需要建立一套数据导向的架构来满足未来的运算需求。唯有采用一套长长久久的基础架构与创新方法，医疗业才能真正享受AI创新所带来的效益，并拥抱医疗4.0。

首先第一步，就是部署数据处理的基础架构，确保数据互通性与即时存取，并且保障数据的隐私与安全。 数据导向的架构可打破数据孤岛的限制，让应用程序之间任意储存数据、轻松分享，同时支持高速运算，提升效能。除此之外，数据和应用程序更可在多重云端与企业内储存之间自由移动，促进彼此的相容性，让医疗机构实现即时获得数据分析成果的效益。

 

此外，医疗机构还必须考量自身的基础架构要求，这些要求在小规模试营运或测试专案与未来AI全面部署的阶段，可能会有所不同，因此预先规划所需的储存与运算效能非常重要。 选择适当的储存解决方案可建立一个稳固的基础，进而创造能够让人工智能成功的夥伴与合作关系。

 

适当的合作夥伴、强大的基础架构、定义明确的治理模型，全都有助于企业机构挑选一些初期的应用案例来有效改善医疗，或减少效率不彰的问题。

 

美国加州大学柏克莱分校（University of California, Berkeley）目前正在从事基因组分析（genomic analysis）的研究，其老旧的储存系统已无法应付庞大的数据量。光是一个人的单一DNA样本就要300GB的原始数据。若以这类专案动辄50,000至100,000参加者、每位参加者在整个研究当中会采集多次样本的情况来看，其须处理的数据量将是以PB（Petabyte）为单位。柏克莱的研究人员在改用全快闪平台来搭配即时数据分析引擎Apache Spark之后，现在已经可以更快处理一些大量的运算，进而根据病患基因组的个人化治疗提出洞见。

 

以台湾为例，专精基因组学研究的台湾林口长庚纪念医院于去年年中成立了人工智能核心实验室，导入能建构大型AI应用的基础设备协助大量医疗影像的分析、遗传数据的研究，以及自然语言。其研究人员现在可快速存取庞大的数据、发掘致病基因，并且更快开发出新的治疗与预防方法。AI的应用节省了大量数据汇整与分析的时间，长庚纪念医院中的医生将有更多时间能用于与病人的沟通、促进医病关系。

 

三军总医院亦走在AI趋势的前端，今年成立了人工智能暨互联网发展中心。在人工智能暨互联网发展中心建立的过程中，强大的AI解决方案成为了医学中心大规模运行关键训练工作时的必备工具，让深度分析的时间从数周锐减至数小时，对于该中心医疗影像与病例的AI判读、以及物联网资讯整合等三项重点应用项目带来了极大的帮助。 AI于医疗上的应用，除可辅助医疗决策，在紧急医疗时发挥功用，更能有效降低人为错误，达成精准医疗的愿景。

 

以上案例，突显出AI具有协助精准诊断以造福数百万人的潜力。藉由机器学习和数据分析的辅助，医生与护理人员将更快、更轻易地研究并分析这些医学数据，加速智能医疗的转型，让数据化做最有价值的资源，真正迈向AI应用，享受医病疗程最大的效益。

时间:2019-10-10 22:34  来源:    转发量:次