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。

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。