AI人工智慧正在改變你我的醫療行為
2021-01-07 14:39 聯合新聞網 / 常春月刊
本文摘自《常春月刊》454期
文/鍾碧芳
近來,數位科技正逐步與醫療緊密結合,試圖將人工智慧的發展應用在醫療上,這在21世紀第二個十年當中是最被看重的一環;經過多年的應用測試下,如何透過人工智慧讓醫療變得更安全、錯誤更少、更精準,又能在最短時間內處理並解決病人的資訊,讓醫療效果更高、費用更低廉,是所有醫療領域最迫切得到的理想目標。
臺北醫學大學附設醫院(以下簡稱北醫)近年在院長陳瑞杰的領導下,積極導入智慧醫院,他認為在進行人工智慧前,全院數位化是必經過程。「這幾年北醫團隊在數位化的建置上已經趨於完整,無論從掛號、報到、繳費、加護病房,甚至到給藥系統等,都可見人工智慧(AI)的蹤跡,能提升整體醫療服務與照護品質。」
動脈取血栓,延長腦中風黃金救援時間
數據是人工智慧很重要的基礎,透過技術能達到過去做不到的部分,陳瑞杰舉北醫的急救為例,以前腦中風的患者必須要搶在6小時內注射靜脈血栓溶解劑;但在數位化後有了革新,現在可以擴大到在24小時動脈取栓治療,等於是用更科學的方法找到更好的治療成效。
北醫所運用的是以電腦斷層或核磁共振影像,加上電腦自動分析軟體(RAPID)來了解病患的腦中風狀態,依此得知患者腦內壞掉組織後的存活機率,如阻塞的範圍、大小等預測。這彌補了過去光靠時間來判定病患狀況,讓醫學治療的路徑產生改變,在北醫,這樣的案例已經執行了50多例,成效良好。
重症照護平台,提早預測敗血症機率
而由北醫自行研發的「TED- ICU AI重症照護平台」,則能自動蒐集、整合、分析重症病患的生理數據,讓醫師與護理人員能即時掌握各項病歷資訊,這不但能省去醫護人員填寫資料的時間,讓醫療團隊更有效率專注於照護工作,透過大數據的分析與AI演算模型平台的建立,還可計算病人得到敗血症的機率。
陳瑞杰表示,對於加護病房內常見的幻覺性疾病「譫妄症」,也能提出預測及解決方法,達到及早發現提早給藥,舒緩病患的不安,也能降低死亡率。
智慧藥盒,安心用藥零風險
當然,AI技術運用的範圍不只限於醫院端,於病人端同樣也能得到好處。陳瑞杰說,北醫於2018年底所引進的智慧藥盒,是專門為慢性病與長者量身打造,對慢性病患或長期獨居的長者,智慧藥盒能提供很大的幫助。
北醫的智慧藥盒系統能存放400種以上不同的藥物,各自有其專屬的RFID,當機器收到病患用藥資訊之後,會將正確藥品掉落在藥盒之中,再利用影像辨識系統,依據藥品的大小、形狀、色澤與反光度等資訊進行比對後再進行包裝,接著再由專任藥師進行複驗,可達分錯藥的零風險。
智慧藥櫃,提升藥品管理效率
此外,在醫療照護方面,北醫也打造了智能藥品庫存管理系統。陳瑞杰指出,目前北醫的智慧藥櫃與自動化藥局能夠清點全院的藥物,無論是加護病房或全院一般病房內,都全面建置智慧藥櫃(ADC),能依照醫囑與藥師覆核後,給藥時由護理師直接到病房藥櫃就能取藥。
這讓取藥變得更為精準,能減少人員的疏失,讓拿錯藥的機率降低為零,同時也因為將常用的藥物做了分類,清點藥物時,也能達到百分之百的準確,庫存可降到最低,不只精簡流程,也節省了每月的盤點人力。
數位治療需達到精準預防的效果
隨著大數據的整合日趨重要,過去許多疾病必須花時間找答案,現在已能透過數位治療加以實踐,就像過去認為高血壓的藥物必須一天照三餐吃,但經過資料收整研究後發現,一天吃一顆,效果一樣好,加上不會忘記,用藥順從度提高;但是每天一次是早上或晚上吃比較好,某些藥物如中風、血壓藥,若能放在晚上吃,不僅藥量可以減少,效果也比白天吃來得好。
陳瑞杰認為,雖然目前國內人工智慧仍處於研究與開發階段,醫院端運用最多的仍在於X光影像處理與加護病房等,但要真正達到精準醫療,進而提升到預防醫學上,仍必須要收集更多的資料。
比如預測癌症的發生,必須要思考病患的基因與環境表現,他形容這兩者就像命與運;醫院端需要靠病患提供生活端的資料,唯有收集的資料正確,才能得知藥物對病患的使用效果。
而這些都是數位化與人工智慧結合後,能看到對病患端的好處,當然在醫院端方面,也因為數位化後,不只醫療供給、醫療服務或治療上都會越來越精準,再往上提升,自然就能做到精準預防。
數位孿生概念,是智慧醫療的願景
不過陳瑞杰感嘆,目前雖然科技進步,但對於人工智慧所需要的數據端資料收集與應用上,仍有很長的路要走,不僅是法規、資安、隱私等問題都有待克服。到目前為止,人工智慧在智慧醫療的應用仍限於輔助工具,如何將醫界與病患的資料作串聯與系統性的應用,仍是最大的難題。
他提及,軟體工程師、PTT創辦人杜奕瑾董事長所推行的聯邦式學習,或許是很好的思考方向,不但能將去中心化的醫療資料與數據有效串連,也能給予醫療足夠的AI資料應用,同時又能保有醫院本體的資料自主性。
此外,他認為未來人工智慧結合智慧醫療的願景,應該會朝著「數位孿生」(digital twin)的概念走,白話一點說,就是能在茫茫人海中找到跟自己很像的孿生兄弟姊妹,幫助自己看到未來的樣貌,或疾病的過程,提供自己老年後的參考。但一切都必須有數據,累積的越多,自然就更準確。
未來,人工智慧與智慧醫療結合將有無限可能,不過陳瑞杰認為現階段最重要的是,如今北醫已經將手邊的資源做最大的利用,畢竟醫院的價值與品質同樣重要,而數位化、人工智慧都是工具,用來達成全人醫療為核心的目標,如何做到「視病猶己」才是目前最需要努力的方向。
資料來源:https://udn.com/news/story/7016/5155255?fbclid=IwAR2cH3OfnaDPpuR0Y43YltxyJNcPbAxKDbMdAwCBixIemq6FfbX8vGP89dw
藥師 全 聯 會 核心 藥局 在 音樂政治上班族 Facebook 的最佳解答
小英總統國慶講稿重點
評價蔡的國慶講稿,重點不是文筆好不好,而是此文不只是政治文告,更像是國家戰略提要。
全篇文字從過去近一年的防疫作戰成功開始,並將其歸功於前線的防疫英雄、製造業、科技業、超商員工、藥局藥師…,以及全民的各項配合,總結於全民上下一心,守護家園,成為「堅韌之島」這種台灣共同體的意識。整段文字隻字不提政府的角色,迥異於馬科長酷愛的政績報告風格。反有點邱吉爾那種「這麼多的人都要感謝那麼少的一群人」的味道。
這是她的「心理戰略」開場,團結與認同台灣這個「想像的共同體」是其核心。接著一一鋪陳經濟、軍事、外交等方面的定位、方向、與作法,總結於朝野政黨近日無異議通過的促進台美關係兩項決議案,在政治上為「對內競爭,民主日常,對外一致,朝野合作」立下新的標準,繪出民主自由社會的特色與邊界。
蔡英文很技巧的跳過不會有結論的「九二共識」、「一國兩制」等敏感話題及兩岸宣示,直接定義中共方面的軍事施壓為「軍事擴張和挑釁」,之後再用習近平的聯合國講話來打老習的臉,「我們希望,這是一個真正改變的開始。」這句話其實就是白話拐彎版的「聽其言,觀其行」。
然後她一一鋪陳解鎖各方兩岸關係緊張所產生的恐懼點:失去大陸市場?沒關係,「經濟向右轉,口袋向左開」,一邊加強台美經濟關係,加入全球供應鍊重組,另方面已收出逃台商資金一兆元。外交孤立與老美棄子?不要怕,加入「價值同盟」與區域安全體系,以民主自由對抗威權獨裁。兩岸開戰?「不畏戰,不求戰」,還用了九百多字說明她與軍隊關係很好。最後把肩上扁擔裡兩岸和平的責任,均分一半給對岸,那根橄欖枝,其實是天平上的那條橫樑。
這篇文告中,政、經、軍、心四大戰略要素都交待到了。嚇阻戰略三個C,能力(Capability)、可信度(Credibility)、溝通(Communication),有軟有硬,全部到齊。過去經驗、現在定位、未來方向,一次講明。這絕非一二文字工作者所能完成,而是領導者自己的意志與思維展現。
小英這篇文告雖然不「辣」,但內容其實很「重」。你可以不斷質疑她的戰略構想沒有可行性,不斷否定她的主張,但你無法否認,近年總統文告少有能如此完整說明國家戰略架構的手筆。
在那邊嫌東嫌西的人,也不自己想想,近年台灣何時有領導者提出過這種互相搭配的戰略架構??連作文都作輸人家,企畫案都寫不完整,除了把「九二共識」當作阿彌陀佛在唸,你們還能做出什麼成果?!算了吧?!
連對岸環球時報胡錫進,也只能說嘴小英似乎「放軟」,少了些以往的「囂張」,顯示軍事壓力有效,用這種阿Q式的「精神勝利法」,獲取些許內心的自我安慰。
文字工作者永遠只是個裝潢業者,這屋子的骨架結構,還是得靠領導團隊自己架起來。把這篇政治文告視為國家戰略提要,也許更能看出背後的味道。
Ettoday網頁好讀版:
國慶演說》將蔡英文演說視為國家戰略提要 更能看出背後味道
藥師 全 聯 會 核心 藥局 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
【人工智慧如何席捲未來醫院?】3D 人臉辨識把關取藥身分、機器人支援不足人力
Posted on2020/09/11
TO 創新嗜讀
【我們為什麼挑選這篇文章】隨著人工智慧應用愈加廣泛,手術室、藥櫃也變得更加智慧,協助提升手術效率、用藥安全,讓我們看看 《從 AI 到 AI+:臺灣零售、醫療、基礎建設、金融、製造、農牧、運動產業第一線的數位轉型》一書中《航向智慧醫療新藍海》章節的介紹。(責任編輯:呂珈寧)
未來醫院的規模不再以病床數來衡量,而是急、重、難症的治療能量,而手術室絕對是最重要的場域。根據世界衛生組織(WHO)規範的手術安全查核規範(WHO Surgical Safety Checklist),一個手術分成三大部分:Sign-in(簽入)、Time-out(暫停)、Sign-out(簽出)。每一個步驟都是確保病人手術安全、資訊正確與醫療團隊間的精准溝通。
臺灣 ICT 資源豐富,為智慧手術室奠定扎實基礎
WHO 只提供最基本的規畫方針,然而 ICT 資源豐富的臺灣,提供了更先進的智慧手術室規畫。當病人經過一連串術前檢查,並確認手術進行時間與主刀醫師之後,整個流程會由智慧病房系統轉移到智慧手術室排程系統。中央器械供應室有隨時待班的器械運送機器人,依手術室排程來運送病人手術名稱對應的器械包盤與相關耗材;機器人經由乾淨走道運送滅菌手術器械包盤,送達指定手術室後透過系統通知主責護理師;術後的髒汙器械運送機器人則按手術結束時間,由護理師啟動手術助理排程作業系統,搬運機器人前往載運髒汙器械、器具和物品。
一臺滿載的手術專用個案車(case cart)可能重達一、兩百公斤,藉由在汙物專用走道來回運送的機器人,不但可以降低器械運送人員的職業傷害,還能支援假日急刀人員不足、降低營運成本與管理複雜度,同時主動通知器械供應室收送案件。機器人的輔助讓手術室運作更為精准並提高效率。
落實手術中安全查核,透過手機 App 一手掌握
除了術前與術後的自動化效率,最重要的是真正落實術中的安全查核。每臺刀雖然都有標準作業流程,還是難以避免突發狀況。當手術門關上後,所有溝通聯繫都只能透過電話進行,這對於要調度上百名護理人員並同時運作數十間手術室的醫院來說,一直是很大的挑戰。透過手機上的手術查核 App,病患 Sign-in 時同時確認身分、麻醉準備、器械耗材清單;Time-out 時手術團隊的再次互相確認工作職掌、病患身分與手術部位;Sign-out 時確認檢體、器械與耗材數量。
這些步驟都在流動護理人員手上的 App 清楚呈現,每個步驟的確認與時間點即時同步到手術室護理站的電子白板,彷彿在戰情室裡同時操控數十個戰役的後勤資源調度。這種結合手術臨床流程、HIS 系統整合與手術紀錄、機器人自動化規畫、App 排程設計的完整方案,讓臨床醫療的高度專業融合在軟硬體的整合中,是 AIoT 精准醫療的經典應用案例。
智慧藥櫃提升用藥安全,大幅減少重大醫療疏失
WHO 最近把「Medication Without Harm」視為全球最重要議題推動,並在 2017 年德國波昂召開的會議中定下明確目標:5 年內降低 50% 的用藥傷害。臺灣的醫院一直落實「三讀五對 1」的給藥規範,以確保病患的用藥安全,但在繁忙的臨床作業中,醫師常因病情變化而調整用藥,若只以人力核對,很難完全落實用藥安全;而利用物聯網科技輔助用藥安全,為當前唯一的解方。
麻醉管制藥品監管是一家醫院最重要的藥品管理核心,如果出現任何差錯,常會演變成重大醫療疏失。此時,智慧藥櫃搖身一變成為最佳利器 。依照管制藥品領藥規定,必須同時兩人取藥,利用醫事人員卡和 3D 人臉辨識、再連動到院內值班系統,對於取藥身分做最嚴格的把關。根據不同醫院用藥習慣,彈性組合藥物放置空間;取藥時利用 AI 藥品影像辨識比對藥名與數量,確保正確的醫師調劑處方;最後再連動醫院藥劑部的藥品系統,時時盤點,確保全醫院的用藥情形安全無虞。
醫院另一個用藥安全的場域,是癌症化療藥劑的運送安全。醫院的化療藥物調劑室為受嚴格管制的特殊區域,因此通常設置在和一般病患施打藥劑地點一段距離以上的空間。利用 3D 圖資與內建 LiDA(認知架構)的運送機器人,可以安全且精確地在調劑室與護理站之間穿梭;調劑藥師通過 3D 人臉識別之後,將調劑好的化療藥劑鎖入內嵌 RFID 的感應門鎖;送達化療病房後,責任護理師經過 3D 臉部辨識認證後,取出藥物進行投藥。整個過程不但能避免因人力運送化療藥物可能發生的傾倒,以及化療藥劑領取時人員認證的管控風險,藥物取放時間點、即時位置與人員身分都即時連線院內系統,確保整個化療用藥流程的絕對安全與精准管理。
AI 、深度學習應用,有效協助降低用藥錯誤次數
臺灣在醫療健保普及的制度下,民眾用藥頻率極高,藥物事件造成的風險隨時都在發生。醫院藥物事件發生地點以藥局為主(36.2%),其次是一般病房(32.2%);醫院藥物事件發生階段以醫囑開立與輸入(54.9%)最多,其次為給藥階段(23%)、藥局調劑階段(20 %);從「醫囑開立與輸入階段」細項來看,以重複用藥(18.4%)最多,劑量錯誤(16.4 %)次之;而在藥局調劑錯誤階段細項中,則以藥名錯誤(44.9 %)最多,數量錯誤(20.8 %)次之;另外在給藥錯誤階段細項中,以劑量錯誤(22.5%)為最多,藥名錯誤(15.5%)次之。
為了降低用藥錯誤次數,利用 AI 人工智慧,串聯機率、藥品資料庫與深度學習,扮演藥品守門人,及時攔截不正確的藥物事件 。將 AI 應用於用藥辨識的方式相當多元,例如導入臺灣健保資料庫與大型醫院提供的電子病歷,實行無監督學習 2,讓 AI 學習醫師開立處方的行為,進一步判斷醫囑開立後是否有藥物名稱與該病症無任何關聯,進而發出系統警示;抑或將藥品辨識導入藥局調劑階段,利用 AI 藥物影像辨識技術快速識別從藥櫃中取出的藥物名稱、外型和數量,隨後從藥品資料庫帶出藥性、藥物副作用等相關資訊,使藥物調劑時更快辨認是否與處方籤相符,減少取藥錯誤。
無論是裸錠、鋁箔包裝、液裝或盒裝的 AI 藥物影像辨識,前提都需要教導 AI 進行幾何變換(geometric transformations): 包含放大、縮小、旋轉;顏色亮度、對比度、色調修正;圖像融合(image composite),拍攝影像與影像資料庫的加、減、組合、拼接;降噪(image denoising /noise reduction),影像上的雜訊來自硬體或環境光等因素,如果影像雜訊太多,將會影響邊緣檢測與影像分割的準確性,因此如何過濾影像上的雜訊並保留有效訊息就相當重要;邊緣檢測(edge detection)與影像分割(image segmentation)的配合,能將一張影像分割成多個不同區域並準確擷取局部特徵,讓 AI 進而認識藥物形狀、大小、顏色、文字、數量等特徵,最後根據前述擷取的影像資訊與藥品資料庫進行配對,即可精准告知使用者藥物名稱和相關資訊。
AI 藥物辨識技術大致可分成兩種:1:1 和 1:N,前者的應用多為醫療中心藥劑部調劑時,驗證管製藥或高貴藥的身分;後者則應用在預防取用多種藥品時的錯誤。以技術難度來看,1:N 的難度比 1:1 還要高,因為 1:N 的藥物辨識更容易受藥物類型、拍攝角度、拍攝方向、拍攝距離、環境光等因素影響辨識準確度。因此在現階段,藥物影像辨識技術與藥物辨識機構的配合度相當重要,產品設計者需針對不同類型藥物提供適合的辨識環境,以降低這些干擾因素。
資料來源:https://buzzorange.com/techorange/2020/09/11/future-hospital-ai/