| For a Better Tunghai |
|
| For a Better Tunghai |
受訪者：吳杰亮，台中榮總重症醫學部主任
時間：2020年2月24日 下午18：00-19：30
地點：大渡山-東海AI中心
整理：張運宗
台中榮總成立於1982年，1987年即導入IEM系統開設資訊室，自行開發軟體程式，在資訊系統發展上，起步相當早。 醫療儀器約自2000年開始輸出資訊訊號，包括加護病房裡的監視器、呼吸器，以及洗腎、麻醉的機器，都能透過聯絡網將訊號收集到資訊系統。 2004年更導入PACS（影像傳輸系統，Picture Archiving and Communication System），實現全院無片化，這是全國醫療系統第一個全院X光片電子化。 現在，除了法規規定及手術同意書之外，幾乎已經全面完成電子病歷的無紙化。
當大家還沒有談人工智慧、AI的時候，中榮由於擁有資訊長期累積的資料量，再結合健保的雲端資料，我們已經開始思考，能否透過流程的改善或人工智慧的應用，把醫療資料透過人工智慧演算模式導到實際臨床的應用或管理上？
2015年前後，我們開始思考中榮下階段的發展理念的核心價值。 我們要把IT智慧放進來，但不能只有智慧，或者說，不是醫療智慧，而必須以「人」為核心，所以經過一番討論後定位為「全人智慧」，且要做到「醫療典範」。 導入IT科技於應用時，必須結合管理的元素才能精確掌握其產生的價值。 一旦加入管理的元素，就會透過流程分析、資料擷取、數據演算，產出一些管理的要項。 所以我們很多同仁到東海工工系進修，把精實管理的技術融進醫療系統。 2015年中榮獲醫院評鑑暨醫療品質策進會（醫策會）第16屆醫療品質獎智慧醫院「全機構獎」及「Smart Hospital」標章，這正代表中榮邁向智慧醫院的重要里程碑。
人工智慧和醫院該如何結合才能走得比較好？我們可以關起門來自己來做，也可以引進技術，透過送訓學習就可以自己操作。 但我盤點中榮己有的發展，發現我們手上雖然有很多資料，可是這些資料要透過人工智慧的運算，或產出有價值的東西，不能只是口號，必須先有實際行動。 2018年8月台灣人工智慧學校（AIA）第1期開辦，我們就選派4位醫師、2位護理師、4位工程師，參加為期4個月的密集培訓。
參加AIA第1期，我們才知道，中榮對面的東海在人工智慧方面投注很多心力，擁有很多專家，所以當AIA要求交出一個實作主題時，我們決定和東海教師團隊合作。 但只有幾個禮拜的時間，想要完成一個真正的計畫，從訂立題目、拉資料、清理資料、產出成果，一定來不及。 當時剛好我手上有一個project，把過去10年住在普通病房的10萬筆住院資料按照傳統的病情惡化系統做風險預測，既然資料已經在那裏了，也做了一些分析，或許可以建立一套導入AI的系統。 院長聽取報告後，全力支持，這個計畫就在羅文聰、許瑞愷、陳倫奇老師的輔導下，積極開展。
幾個禮拜的過程很切實地檢視一個問題，大家都在做AI，百家爭鳴，到底對病人的影響是什麼？我們的優勢是什麼？劣勢是什麼？不足的地方是什麼？羅老師、瑞愷、倫奇老師幫我們畫了一個步驟圖，前段的作業面叫Expert Domain，資料擷取後，同仁們要花很多時間做資料清理，然後跑運算，整個過程反覆循環。 同仁們除了自身的醫療工作和週末AIA上課之外，這段時間，挑燈夜戰，只是日常。
最終，集結腎臟科、胸腔科、血液腫瘤科、腸胃科、一般外科、直腸外科等6個科別的資料，包括病人基本資料、生命徵象（如呼吸、心跳、血壓等）和檢驗數據（如昏迷指數）等，開發完成AUC 0.991準確度的「病人急速惡化預測模式」，並獲得專案成果第1名。
AIA第1期密集培訓是中榮數位轉型的關鍵，在這過程中，我一直觀察，台中榮總到底要往哪個方向走？我們的優勢是什麼？第一，我們絕對擁有足夠的醫療專家的能量；第二，我們有能力做資料清理，但沒有足夠的時間。 然而，邏輯運算一定要引進外部輔導，產出結果後，再導入我們的資訊系統，這時候中榮資訊系統裡的工程師一定要結合進來，才會成為我們實際應用的案例。
在上述的概念之下，進一步想，我們該跟誰合作？回過頭來看，東海老師輔導的過程中，我們知道東海應該是一個可以合作的夥伴。 2019年1月11日東海雲創學院揭牌典禮上，台中榮總許惠恒院長、東海大學王茂駿校長、台灣人工智慧學校陳昇瑋執行長共同簽署MOU，成立智慧醫療共同發展平台。 此後，AIA學校很關心中榮的進展，給予許多精神上的鼓勵，東海則給予中榮實質的教育、訓練資源，還包括部分的技術突破。
接下來的迫切問題是人才。 AIA第一期培訓的人才遠遠不夠，我希望全醫院能有更多的人知道人工智慧演算是什麼？應用是什麼？當時醫院提出一個政策「一部一室一科一AI」，包括行政單位都要思考人工智慧的問題，訓練更多的人才就成為醫院的大方向，於是我順勢提出2個教育訓練計畫。
一個是AIA主導的智慧醫療專班。 原本各部科開始派人到AIA，我跟蔡明順執行長討論後，破例合作開設「大班」，45人一班。 另一個計畫是瑞愷老師取得資策會一個30萬元補助款，正可跟企業合作一個培訓班，我抓到機會，從醫院拿出對等基金，合計60萬，包下一整班。 我先拜訪醫院各個部門，了解各單位有興趣的題目，然後讓他們知道有個培訓人員的大好機會。 最後，我們壓出5個題目，註 展開一個不可能的任務，5個禮拜必須完成入門介紹、實作、成果。 倫奇老師為每一組設立群組，即使半夜都有人請他指導！透過同仁們積極投入這段密集訓練裡，5個題目完成了。 2019年底，AIA班和東海AI班舉辦發表會，有成果講成果，沒成果講計畫。
我們以具體實踐跨出重要的一步，整體來講，第一，我們有資訊資料電子病歷的基礎；第二，我們有一群專業的人員；第三，羅老師團隊引我們進門，在整個AI發展、整個流程上面，資料從蒐集、清理、存雲、應用，一直到行動方案的產出，手把手輔導應該注意到的關鍵。
我們點燃了火種，未來可見的時間裡，最關鍵的地方就是如何一直添柴火，讓火持續燒旺，不能熄。 所以必須和學校、業界、醫院等各單位引導主題的產出，進行教育訓練，尋找各種資源挹注，這些工作都必須持續不斷。
資訊班的開設，既是人才的培訓，亦是文化的廣推。 AI有很多領域，影像我們做不贏別人，但資料、疾病是我們的強項，所以我們覺得，對疾病的預測、增加輔助的監測，減少醫療人員的壓力，先讓大家有感，真實感受到AI跟各部科是有關係的。 下一步的合作還是脫離不開結合學校、業界，觸角一定要伸出去，歡迎各界合作，因為中榮有的是題目。 文化廣推後，接下來，要有一個樹能夠長大。 好的合作夥伴、好的題目、有興趣的人，加上挹注一點資源，就能將種子灌溉成一棵樹，所謂的種子就是究竟要做的主題是什麼？這就是我們要思考的課題。
東海開設的專班帶出5個題目5個團隊，各組主管帶領完成發表後，我沒有明說這些題目至此停止，而是任其繼續run；AIA專班也是同樣道理，有的產出成果，有的可以再精進。 總之，我希望這些題目能更具體化。 同時，這些題目都有其臨床意義，為了有效整合與推動，必須重新建立管理機制。
當「一部一室一科一AI」成為醫院發展策略時，其中會有行政管理的力道，因為各部科必須努力發展自己的主題、建立跨科的組合、尋求外部伙伴資源、電子化成果發表等等，top down和buttom up，互相支援，由此訂立短中長期發展的具體內容。
我原本負責品質管理中心，現在負責重症部和「大數據暨創新應用管理會」；2018年中榮不僅派醫師參加AIA第1期培訓，並同時成立此一管理會。 不同於其他醫院成立新的AI部門，中榮建立管理機制的目的不是做幾個project而已，設立管理會是要幫醫院建置良好的數位大環境，透過這個機制讓能量跟外部有效結合，進而有系統的收納各部科的題目，建立中榮完整的短中長程發展計畫。
既然身兼兩職，且與AI發展直接相關，具有好溝通、迅速執行優勢，所以我開始擬具短中長期計畫，思考如何管理、推動AI專案。 最近羅文聰老師畫了一個很大的架構圖，從行政管理到模型，我把這份架構圖反覆地拿出來被挑戰，不斷思考有沒有辦法做出一個半自動化加護病房的model？
前陣子我想換車，有一次坐許瑞愷老師的車，我發現現在的自動駕駛和傳統的車子不同，開車比較不花體力，只要定速，前面有車就自動慢慢減速，不用一直盯著前方；當車跨越車道雙白線時，方向盤會有點震動的感覺。 受到這個刺激，我想，如果病人在加護病房時，雖然一定是由醫師做決策，但是否能夠得到類似的提醒機制或臨床輔助決策？讓AI來增強臨床照顧的決策？
提醒或輔助不一定是對的，但還有一群醫師24小時在加護病房盯著。 問題也在這裡，醫師的成本最高，負載太重，操勞過度，如果有半自動輔助系統——羅老師稱這是「半特斯拉」，就能規劃一套從臨床到遠距的醫療架構，無論醫師或病人都能大幅減輕負擔，且能得到更精準的照顧。
AIA陳昇瑋陳執行長說過，專業領域若談AI的實際應用面，必須挑主題，量很大且重複做工者，就是比較適合優先操作的主題。 我希望建立一個model的成功，讓醫院同仁有感，才能有效地持續發展。
從AIA培訓成果一路發展出來的「病情惡化預警示系統」是個很好的例證。 為了住院病人的安全，我們必須有系統地預防突然死亡或急救。 過去是組織「快速反應團隊」，但或許中榮的照顧團隊做得很好，我們發現可用的案例太少，且沒有達到預期效果。 可是，所有文獻都證明，有5%到6%一定比例的病人會在臨床產生惡化，中榮大約即5%。 也就是說，病情惡化確實存在，但如何定義？
我們用過去4萬個病人，10萬次住院資料（有的病人會入住2、3次）進行資料分析，再定義什麼是惡化？改善？我同時讓兩個方法一起跑，一組是傳統方式的分數預測，分數愈高愈惡化，當發生時間越來越近的時候，預測的精準度愈高；另一組由羅文聰老師團隊輔導建立深度學習、AI演算的模組。 然後我把這兩個方法放到資訊系統裡。 每天、每一小時、每一班別，都有人輸入病人的血壓、心跳、血氧、體溫、意識狀態等資料，即時計算分數，即時呈現在螢幕介面上。 醫師透過即時介面可以知道某位病人48小時內的分數是如何跑法，精確掌握病人的變動，整個病房或整個部科的每位病人的訊息都在這上面，只要發現異變就能迅速處理。
理論上，臨床上惡化的病人應該越來越少，可是臨床惡化轉加護病房的基本量沒有改變。 乍看之下，很失望，但關鍵在病房做急救措施的量，自導入預警系統14個月，數值一路往下降。 這是讓醫師同仁有感的數值。
整個計畫中好幾模組正在啟動。 例如，「護理健康問題的推進系統」可以預測住院天數；「空污微粒對肺炎影響」是跟東海老師一起做的；中榮免疫風濕科的病人數是全國最多的，所以有「紅斑性狼瘡的預測」；資策會合作的「人工智慧血糖醫療數控管決策系統」。 諸如此類的小模組在中榮裡面越來越多，只要一個模組一個模組開發，最後就會變成我很期待的一個特斯拉，如此一來，至少可能會為醫療的發展產生某些正面影響。
註，吳杰亮主任，「以MIMIC-III/eICU為模板建置中榮重症資料庫，運用臨床資料及呼吸器參數預測重症病人預後」。 許惠桓院長，「糖尿病預測病人預後」。 吳明儒主任，「腎臟科疾病惡化預警系統，顯影劑致癌風險預測」。 羅盈智醫師，「全院病情惡化預警系統」。 吳沂達醫師，「過敏免疫風濕科_以人工智慧判讀抗核抗體_ANA_間接免疫螢光影像之型態」。
圖說：「中榮東海工業局企業AI班第1期結案成果分享」，(左起)吳杰亮主任、陳倫奇、許瑞愷、羅文聰，許惠恒院長。
● 讀後留言使用指南
|
近期迴響