減輕醫生工作量！雲象科技讓醫療影像AI落實臨床，加快診斷效率|數位時代 BusinessNext

隨著技術發展，運算能力的提高、相對便宜儲存空間都為不同產業提供更好的「數位化」環境，但即便如此，缺乏跨界人才及知識仍讓企業數位化的腳步顯得緩慢。

雲象科技（aetherAI）創辦人葉肇元在美國南加州大學（University of Southern California）攻讀病理學（Pathology）博士期間，發現數位化的玻片影像會為病理方面帶來巨大改變，2015 年決定回來台灣，與康家彬及葉一忠共同創辦雲象科技，結合專業醫學背景與資訊工程背景，希望能打造國際級的醫療影像AI公司，協助大型醫療院所順利數位化、也推動醫療民主化。

掃描、建檔、資料分享：數位病理影像平台

雲象科技的第一款產品為 2017 年發表的「數位病理影像平台」。傳統上，病理科醫師在進行病理組織切片的形態學檢查時只留下文字紀錄而非影像紀錄。隨著近年顯微攝影技術及機器自動化技術進步，能自動將組織病理切片進行完整的掃描，病理因此有了數位化契機。

藉由雲象科技的服務，客戶只需要提供組織病理玻片，公司會提供數位掃描服務，並根據其需求建置雲端數位玻片資料庫。葉肇元表示這款產品除了協助醫生可以更方便、快速分享數位玻片外，同時也提供獲得發明專利的玻片導覽系統，使用者能藉其記錄玻片瀏覽步驟進而用以教學。

醫療影像 AI 開發平台 : aetherAI

隨著第一款產品愈發完善及穩定，葉肇元也開始思考公司下一個發展方向，近年來 AI 技術爆發性突破，他認為 AI 若應用在醫療影像，將可能大幅扭轉現今醫療環境。於是進一步調整公司發展方向，以原有數位病理影像為基礎，延伸技術加入深度學習能力，將平台擴大以利醫療影像 AI 開發，並在今年正式發表第二款產品「醫療影像 AI 開發平台—aetherAI」。

雲象科技將 aetherAI 這款產品定義為醫療機構開發醫療影像 AI 的孵化平台，醫院各科專家能將各式 DICOM（DICOM，Digital Imaging and Communications in Medicine，醫療數位影像傳輸協定）檔及醫療知識注入平台，平台會建立模型並檢視結果，並實際應用於放射影像的術後因子預測及特定病理影像超過 90% 的癌症偵測。

沒有充足資料作為 AI 發展基礎是無法成功，為了達到更高的模型水準，雲象科技也積極與大型醫療院所、國內外研究機構合作，藉此擴大資料集的種類、品質與建置範圍，目前美國洛杉磯 Cedars-Sinai Medical Center, 匹茲堡 University of Pittsburgh Medical Center、長庚醫院、台北榮總等都是他們的合作夥伴。

「透過醫療影像 AI，將能讓醫師減少重複性的工作、更有效率完成複雜度高的診斷、甚至是找出影像當中隱而未現的知識，讓深度學習能真正在臨床上落實，產生效果。」葉肇元說。

憑藉這款產品，雲象更奪下今年 NVIDIA GPU 技術大會（NVIDIA GPU Technology Conference; GTC）新創團隊培育計畫（NVIDIA Inception Program）競賽冠軍。

自學AI、建立產業競爭優勢

這一路發展以來也非一帆風順，決定轉型成為 AI 醫療影像公司後，雲象科技也面臨多數 AI 公司遇到的問題，那就是人才不足。

電腦視覺已經是一門艱深學問，雲象所需的人才還需要同時兼具相當醫療影像專業，才有辦法發展。找不到人怎麼辦？那就下來自己學吧！於是，尋找人才過程中，葉肇元與團隊自學 AI，並借重自身的醫師專業知識與醫學資料，持續改善深度學習標記介面，將訓練好的後端程式串接到前端，執行神經網路推論。

雖然辛苦，但這段歷程也為雲象科技闢出新的道路與機會，並建立起競爭優勢。

因為自學 AI 的成果，葉肇元有機會到成大教授深度學習課程，也因而與學界建立起連結。透過這樣的連結，雲象科技能吸收到素質不錯的實習生，藉實習訓練使他們在學期間便能同時接觸電腦視覺與醫療影像專業，實習結束後這些學生有很大機會回到公司服務。具備醫療與 AI 跨領域專業人才，也成為雲象科技其中一大競爭優勢。

目前，全球除了雲象科技之外，市場上提供類似服務的競爭者還有 Lunit、PathAI、Zebra，葉肇元說相較這些公司大多是從特定醫療機構合作出發進而開發出相關工具，雲象科技從最初就採取開放態度，與任何想要發展 AI 技術的機構合作，無論對合作方還是自身而言，擁有更多可能性。

隨著人才逐漸到位、產品更加成熟穩定，雲象科技事業開發經理顏睿甫表示預計今年結束將能在台灣奪下 70% 的醫療影像市場。但除了台灣，他們想進軍全球成為國際公司的夢想也持續進行，葉肇元表示目前已著手開啟新一輪募資，這筆資金將主要用以團隊攻打海外市場。對他們來說，除了馬步得蹲確實之外，也要追求速度，因為現階段醫療影像分析仍是藍海市場，關於產品該長什麼樣還沒有一定準則，能否搶快將是未來能否成為一方霸主關鍵。

創業快問快答

要達到下一步目標，團隊目前缺乏的資源是？
需要持續擴大與醫院的合作程度，大量收集高品質的醫療影像資料集，才能在國際的競爭上取得優勢。

創業至今，做得最好的三件事為何？
1.專注技術，持續投資資源在研發上，讓我們解決所有流程上的斷點
2.連結臨床，與醫師深度合作鎖定有價值的應用深入鑽研
3.發揮熱情，邀請最具優秀的成員加入團隊，提供舞台

最常被客戶或投資人問起的事情？您會如何回應？
Q：醫療影像AI應該怎麼獲利？
A：傾聽醫界的需求，在長期規劃產品研發，以及短期因應市場動態而改變策略當中盡量取得動態平衡。

公司資訊

公司名稱：雲象科技/aetherAI
成立時間：2015/10/7
產品名稱：醫療影像AI開發平台
上線時間：2018/5/1
團隊人數：9人
官方網站｜LinkedIn｜MeetHub

本文授權轉載自：創業小聚

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。