自動判讀腦瘤、肝癌，台灣醫院AI應用遍地開花|數位時代 BusinessNext

AI自動判讀腦瘤位置，減輕醫師負擔

臺北榮總和臺灣人工智慧實驗室協力建立的「臨床人工智慧腦瘤自動判讀系統」（DeepMattes），於11月中正式在放射線部上線。

現行判讀腦瘤方式，是將對比劑加入磁振造影中，由醫師人工找出「一顆顆的白點」，紀錄包含腫瘤大小、位置、可能影響等資訊，進一步和臨床夥伴討論。但榮總放射線部部主任郭萬祐認為，這些繁重的判讀工作，其實會影響討論病情的時間，「改用訓練好的AI模型讀取影像，僅需約20秒時間，就能自動紀錄各項數據，可減輕不少醫師負擔。」

另一方面，榮總磁振造影科主任吳秀美認為，傳統判讀方式需先將腫瘤影像「圈注」好，送往實驗室，其實會花費不少力氣在整理和傳輸上，而新系統就可直接讓醫師校正和確認AI判讀的結果，同時也能持續訓練模型。

北市聯合醫院則和工研院攜手，共同建立糖尿病眼部病變的影像判讀模型，能從患者的視網膜眼底影像自動判讀病變情況，讓準確度、靈敏度、特異度達到九成水準。這套系統，也可讓非專科醫師初步篩選可能罹病的病患，達到提早控制效果，並將運用在馬祖地區。

至於中國附醫，則是已經和輝達（NVIDIA）合作，透過新型的AI主機，判讀乳癌、肝癌和骨齡影像。例如，這套「生長激素缺乏與性早熟疾病症候群」人工智能評估系統，可讓原先需要六至八分鐘的人工作業時間，縮短成0.1秒即有成果。

而堪稱台灣最早導入AI醫療的北醫，自2017年就引進IBM Watson for Oncology臨床決策輔助系統，用來輔助醫生診斷癌症。現在更開發出「智慧型藥物安全系統」，一旦處方中出現無法解釋的藥物，就會被認定為不適當處方，系統會即時跳出提醒，醫師看見就可以再次檢視，降低用藥錯誤風險。

AI自動檢視紀錄，建立骨鬆預警系統

值得注意的是，義大醫院試圖用AI「文字分析」，建立骨質疏鬆預警機制。根據義大醫院資料，只要患者曾經就診，他們開發的系統會自動抓取檢驗數據、X光報告、DXA骨質密度檢測報告，辨識疑似有脆弱性骨折的病患，可在病患接受檢查前，推估出病患骨質密度數值。

簡單說，若有一位老太太曾因為背痛看診，診斷結果是「壓迫性骨折」，AI系統會自動檢視紀錄，建議患者是否再檢查骨質疏鬆症。義大醫院表示，台灣罹患骨質疏鬆症的病患數量高居亞洲第一、全球第九位，希望這套系統未來能逐步發揮影響力。

還有林口長庚醫院，也正在研究透過AI判讀「細菌抗藥性」。林口長庚醫院檢驗醫學科主治醫師王信堯指出，傳統治療肺炎患者，需先驗痰液，花16小時培養細菌，再用質譜儀分析菌種，才會選出用何種藥物治療，耗時一至三天。經過兩年的AI模型訓練，這項研究已經能讓「猜錯藥」的機率降至兩成左右，而醫師平均的猜錯機率，則是五成。不過，目前這項技術仍需評估，到2019年才會有機會運用至臨床。

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。