受訪者：白鎧誌（工學院助理教授、萌芽教師）

時間：2022年6月17日 下午15：30-16：30

地點：GOOGLE視訊

整理：張運宗

 

【編按】6月8日《遠見雜誌》公布「2022年最佳辦學大學」，東海在私立大學中持平第8。　各校正副校長的評斷依據主要鎖定在「產業連結」、「跨域整合」和「國際合作」三大面向。　其中，「跨域」重點是，「AI」（54.2%）、「永續應用與服務」（29.8%）、「智慧醫療」（24.8%）、「智慧製造」（23.7%）、及「健康長照」（21.0%）。^*註一 　前4項正是「AI計畫」規劃的「校級計畫」，^*註二 特別是「智慧醫療」，「你有醫院，我有AI」^*註三 為東海在AI策略的跨域發展上，在全國各大學中跨出領先的一步。　

 

 

探索：資料清理與技術開發

 

　　「智慧醫療」於2020年中榮、東海、研華取得科技部「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，全臺重要醫學中心都參加申請，我們獲得的補助額最高。^*註四 　發展的初衷是「重症照護」，透過AI技術開發來輔助醫師進行醫療判斷。　面對AI引導的新主題，第一步是醫療與資訊工程進行跨領域的對談，探討重症當中實際臨床的問題，包括腎臟、呼吸、敗血、衰竭的疾病風險預測。　從對談中建立溝通的基礎，達成共識，在這反覆循環的過程，不同領域的人從陌生到熟悉； 人，是跨域團隊的關鍵核心。　

 

　　「智慧醫療」需要龐大且優質的資料庫，中榮的醫療資料庫高達五百多萬筆！　第一年的前期，AI中心和中榮花了相當多的時間，對重症資料庫進行很詳細的彙整、清理，並密集和臨床醫生討論，了解醫療相關的術語、名詞，才知道如何從資料庫中取得我們需要的資訊，並建立國際標準化格式。　在清理資料，取得數據之後，就能用一些演算法開發關於疾病風險預測的模型。　開發的過程不可能一次到位，其間還是必須進行反反覆覆的資料調整，和臨床醫師的來回溝通。　

 

　　雖是第一次踏入「智慧醫療」的領域，但第一年產出了雙方可接受的良好結果：「ZOE：AI+HI智慧重症照護診療系統與跨院實踐新模式」，且受到科技部計畫評審的肯定，第二年持續獲得最高補助經費，並於2021年底獲得第十八屆國家新創獎「臨床新創獎」。　中榮醫師信心大增，希望進入臨床，了解模型初步落地的規劃與驗證，在臨床的實際場域中，藉由醫師的回饋，了解ZOE模型進步改善的空間。　

 

 

落地：跨院驗證與聯邦式學習

 

　　除了中榮多達約五百多萬筆的重症資料庫之外，第二年開始引入國際開放資料庫MIMIC-IV（Medical Information Mart for Intensive Care IV），進行模型開發與相互驗證，從中探索許多值得開發的空間。　

 

　　疾病預測適用的範圍廣泛，為什麼是「重症」？　因為「重症」的疾病種類多、監測變化快速，於臨床重症的生理監測可能幾個小時，甚至幾分鐘、幾秒鐘隨時會出現變化。　然而，如此一來著重「單點式」一個特徵一筆記錄的「機器學習」（Machine Learning, ML），其實並不能有效掌握「重症」的快速變化。　第二年我們決定改採「時間序列」（Time Series Data），透過「深度學習」（Deep Learning, DL）演算法，能夠掌握與觀察病人每個時間點數據的變化，且符合醫師臨床判斷方式，並重新訓練疾病風險預測模型，目前模型訓練初步成果明顯更佳。　

 

　　經過一年的開發，部分模型開始進入臨床規劃與驗證階段，且已經產出一些結果，接下來必須面對一個基本問題，不同家醫院的資料型態不太相似，我們開發的模型是否在跨院的應用可以達到不錯的效果？　第二年中期，衛福部提出智慧醫療跨院驗證計畫，每家醫學中心都可拋出一個議題，各家醫學中心自行決定是否參加； 參加者愈多也代表受到更多的肯定。　中榮提出的「腎臟重症急性腎損傷（AKI）AI模型」獲得北榮、成大、高醫、馬偕4家醫學中心的參與，隨後獲得其它醫學中心的認同，成為最多家參與的跨院驗證議題。　目前產出成果相當不錯，代表我們開發的模型具備穩定的表現。　

 

　　有了「跨院驗證」的成果，是否能夠做到「跨院學習」呢？　如果我們開發的模型要能跨院應用，甚至跨院共同開發模型，就需要彼此的資料，但因為醫療資訊受到嚴格的保護，且制訂嚴格的隱私條款，所以各家醫院的資料往往不易取得。　怎麼辦？　這就是近幾年很熱門的話題：「聯邦式學習」（Federated Learning），不需要取得醫院的資料，而是基於同樣的演算法架構，透過共同的模組格式，產出不同的模型，進行參數的交換和整合，再透過加密機制建置一個共有的模型，如此可以讓模型做出更廣泛通用的預測。　

 

　　透過「聯邦式學習」，中榮和嘉義分院AKI模型的跨院學習達到可接受的初步成果，也呈現還有許多需要調整、克服的技術面。　

 

 

輸出：從HI到認證

 

　　第二年度即將結束，我們希望在第三年度更進一步改善醫療臨床品質管控； 「落地」到「AI+HI」。　HI，Human Intelligence，基於技術面，我們希望得到更多醫師的意見回饋來訓練AI模型愈來愈「聰明」，不是只有預測，而是在疾病風險發生時，協助醫師給出處置建議。　

 

　　「落地」的第二件事情是「認證」。　所有的醫療器材都需要經過認證，現在「軟體」也能認證，因次，開始朝向美國FDA（U.S. Food and Drug Administration）「醫療器材軟體」（Software as Medical Device, SaMD）認證的目標邁進。　認證的同時也要開展輸出，不僅輸出臺灣周邊醫院，更要邁向國際。　

 

　　6月18日中榮陳適安院長主持「ZOE：AI+HI智慧重症照護診療系統與跨院實踐新模式：第4季計畫成果及下年度規劃報告會議」，羅文聰主任強調，「落地」與「國際輸出」應是第三年度的重點，吳杰亮副院長也具體提出第三年度的規劃，包括：技轉規劃、跨院驗證、專利/論文、SaMD取證、院內臨床應用，同時也開始啟動國際頂尖團隊的合作。　

 

　　過去大學教師不重產學，主因是難以做研究、出論文。　「智慧醫療」在第二年的論文發表，已投稿12篇論文（9篇已發表），東海AI團隊教師合作者即占了8篇；且已取得或申請中臺灣、美國的（發明、設計、新型）專利達14件。　

 

 

精進：教師需要自主學習

 

　　從專案教師到專任教師，在AI中心跨域到智慧醫療、智慧建築，並參加萌芽計畫，協助實驗班的課程規劃，在「教學、研究、服務、學習」的重壓下，看似增加了龐大的工作量。　確實如此，但我喜歡資工強調的「挑戰」，從一開始我就沒有預期付出與回報的問題。　努力的付出，然後任何一項成果，那怕只是小小的一部分，我都覺得是很棒的。　

 

　　面對「跨域」，無論資工或非資工背景、專業或技術，在專業領域取得一定成就後，又要涉入相對陌生的領域，多多少少都會有些徬徨。　我覺得，至少先參與，在過程中不斷增進自己，老師也要「自主學習」呀！　找老師、同儕討論、讀論文，其實這對任何一位教師都是相當熟稔的態度與方法。　

 

　　「智慧醫療」是顯著的例子。　東海沒有醫學相關的科系，剛開始參與一定多多少少會害怕。　以我的經驗，好的計畫很重要。　AI計畫的目標很清楚，智慧醫療團隊有明確的KPI，所以我給自己一個短期的目標，只要產出第一個成果，成功經驗是可複製的，接下來的問題往往就不是問題了。　也就是說，透過不斷精進的循環歷程，一定會找到一個肯定自己的價值、成長的空間。　

 

　　我在每一堂課都會告訴學生，可以盡情地探索，但要給自己一個期望、目標。　學期結束時，我總會回頭問學生，你有沒有達到自己的目標？　

 

 

 

註一，參見，「快報！『年度MVP學校』新出爐，台大、逢甲、台科、朝陽能霸榜成功？」，《遠見電子報》，2022年6月8日。　

 

註二，參見「看見進步或成長 ～ 校長互評」。

 

註三，參見，「你有醫院，我有AI」。

 

註四，參見「智慧醫療的第一階段（東海篇）」。

 

 

 

 

 

---