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

一家來自台灣的 AI 新創，如何讓美國上千家速食餐廳，都用它的 AI「看」得來速車道？

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能)，透過攝影機蒐集匿名數據並轉化為多項營運指標，協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例，在全面導入 Berry AI 解決方案後，服務速度提升 13%-20%，業績表現最好與最差的門市，每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後，得來速車道的服務時間也立刻改善，進而提升整體吞吐量。

然而，支撐 Berry AI 解決方案的，不只有前端看得見的攝影機與影像辨識技術，還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務，打造兼顧即時性、穩定性與成本效益的雲地混合架構，成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模，Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示，團隊成立初期投入近2年半的時間，探索最適合影像辨識技術的應用場景，最終將目光鎖定高度標準化的速食餐飲業（Quick Service Restaurant；QSR），推出得來速計時器、餐廳計數器等解決方案，運用 AI 影像分析技術，辨識顧客進入得來速車道或餐廳後的狀態，例如：排隊、點餐、候餐等。

同時，Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標，例如：不同門市、日期或時段的顧客等候時間，協助管理者從數據中找出流程瓶頸與可以優化的環節，進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後，Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而，隨著合作客戶與部署門市持續增加，資料量快速攀升，加上服務範圍橫跨不同區域，既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出，尤其 QSR 業者在選擇 AI 解決方案時，格外重視技術效能與穩定性，包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作，以及網路發生問題時能否維持服務等。在這樣的要求下，若將所有運算與資料都留在地端，不僅難以因應日益增加的部署門市與資料量體，設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端打造高可用性 AWS 雲地混合架構，突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益，成為 Berry AI 進軍北美後必須解決的新課題。為此，Berry AI 選擇與博弘雲端合作，取得穩定且高可用的 AWS 運算與資料庫服務架構，將即時運算留在地端，同時在雲端環境整合資料庫處理大量資料與後續分析工作，形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明，包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作，會先在地端完成；再將辨識結果傳送至 AWS 雲端，計算各項營運指標，提供後續分析與決策使用。透過這套架構，Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外，AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上，透過完整且多樣化的資料，持續訓練與優化模型，進一步提升地端影像辨識的準確度。

Berry AI 鎖定高度標準化的速食餐飲業（Quick Service Restaurant；QSR），推出得來速計時器、餐廳計數器等解決方案，運用 AI 影像分析技術，辨識顧客進入得來速車道或餐廳後的狀態，例如：排隊、點餐、候餐等，協助管理者從數據中找出流程瓶頸與可以優化的環節，進而提升服務效率及顧客滿意度。

圖／ Berry AI網站圖

成為企業技術團隊的延伸，博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長，Berry AI 也迎來新的課題：如何把雲端資源用得更有效率、更省成本，這也成為 Berry AI 與博弘雲端合作的重要契機。

對此，可能有很多人好奇，像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業，為什麼還需要與博弘雲端合作？「關鍵在於，博弘雲端長期深耕 AWS，對相關服務與技術架構更加熟悉，可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時，可以直接尋求博弘雲端協助；若需要進一步與 AWS 原廠確認，博弘雲端也能協助溝通與處理，減少 Berry AI 自行研究與排除問題所需投入的時間，讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是，博弘雲端不只提供技術支援，還能從 Berry AI 實際用量與成長需求出發，客製化設計最適合的節費方案，這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明，博弘雲端根據 Berry AI 既有的 AWS 用量，推估未來 1-3 年內的使用需求，並以此為基礎規劃合適的長期雲端資源用量；同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS，進一步整合集團需求進行評估，放大整體採購規模，爭取更大的節費空間。

宋青雲強調，雲端採取隨需即付的計價模式，雖然具備彈性優勢，但若缺乏持續管理，仍可能出現資源配置不符商務規劃，或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案，也會從效能、資安與成本等面向進行架構健檢，提出相應的優化建議；同時還會提供相關管理介面，讓企業隨時查看帳戶使用狀況、預估未來用量，在業務規模持續成長的同時，也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化，只是博弘雲端服務的一環。從企業準備上雲開始，博弘雲端便能協助將應用程式與資料從地端搬遷至雲端，或直接在雲端完成部署；進一步還能協助建置數據平台、數據中台，進行資料分析及導入 AI 應用，讓企業資料發揮更大價值。當服務正式上線後，博弘雲端也能接續提供維運服務。換言之，從前期 PoC、雲端建置到後續維運，博弘雲端都能依據企業需求，提供相應的服務與支援。

對 Berry AI 來說，藉由與博弘雲端合作，深化 AWS 雲端資源使用，不只是突破規模化挑戰，更重要的是能把有限的資源集中在核心業務，持續優化解決方案、開發更多貼近餐飲營運需求的應用，進一步爭取更多品牌合作，擴大北美市場版圖。目前，Berry AI 正全力拓展北美市場，也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System（DevOps、Infrastructure），以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台，到協助餐飲品牌提升營運效率的分析產品，每個環節都還有發揮的空間。期待匯聚更多優秀夥伴，一起用 AI 解決真實的營運問題，讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情：https://www.cake.me/companies/berryai/jobs

在 Instagram 查看這則貼文

數位時代（@bnext_official）分享的貼文

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