全球面臨醫療人才短缺問題，而醫學又是一門觀察與判斷的學科，看準未來龐大商機，Google 因而引入人工智慧於醫學應用上，如利用 AI 與機器學習深度運算，協助醫學影像辨識，讓 AI 成為當今醫師診療時的得力助手。
在印度，每年有百萬人因為眼科醫師短缺，當地 45％ 的糖尿病患者還來不及接受診斷就失明，而糖尿病患者要防範失明，極需眼底視網膜篩檢。 Google 便在印度引進 AI 技術進行醫學影像辨識。最新研究指出， AI 判讀結果的準確度逼近視網膜專科醫師。
除了協助醫學影像的辨識， AI 還能預測醫師無法從影像預知的疾病，透過導入大量影像，機器就能評估疾病風險，如心血管疾病、癌症等。待 AI 累積大量經驗電動床、準確率高，最終就無須透過人工介入電動床，可讓機器自行辨識。目前已用於淋巴結中的乳腺癌轉移瘤檢測，以及糖尿病視網膜病變等。
市面上的電動病床百百種，而整體尺寸的設計不外乎是要符合人體工學、身高及胖瘦，以歐美的整體尺寸標準來說，因為普遍身形比較高大，一般平均長度約210公分，寬度約100公分，高度如果是可調整高度的電動床通常會介於30公分至70公分; 亞洲地區的整體尺寸會略縮減15公分左右，除了身形以外，也會因使用空間的大小而受限制。目前市面上的尺寸也有到120–130公分，對使用者來說，增加的寬度雖然帶來了更多空間與舒適，但是對照護者來說就會是很大的負擔，無論是替使用者翻身、移動等，不僅腰部長期下來可能會受傷，過寬的尺寸也會造成照護者手長不足，需要移動到另一側，增加了照護的時間。無論是在醫院或機構，電動床是使用者一天中接觸最多的輔具，如何讓使用者在接觸床體時能達到最大的舒適感，要從顏色、表面處理、平整度、質感等幾個層面考慮。
人工智慧在醫療領域的發展潛力十分龐大，而這項技術在全球的近用性也尤其重要。根據 Google 機器人學習數百項訓練模型發現，儘管研究尚處相當早期的階段，模型的曲線下面積( AUC ) 達到 0.7 (演算法正確度達 70% )。同時在定位腫瘤的準確率達到 89％ ，已高於人類病理學家的 73% 。
Google AI 產品經理 Daniel Tse 說明，目前 Google AI 演算模型已在醫學期刊與醫學模型等發表研究結果，未來可望將相關技術帶到實際應用中。
目前 Google 也積極與監理單位進行合作以取得核准，像是美國食藥署( FDA ) 以及歐盟等相關單位，而臨床驗證的部份則攜手硬體廠商 Nikon 等合作。可預見的是，未來人工智慧演算法雖然無法取代醫生，但可望成為推行醫療行業向前邁進的重要工具。
留言列表
