加速智慧醫療步伐:讓資料價值最大化

2019.10.07 by
吳元愷(Kyle Wu)
吳元愷(Kyle Wu) 查看更多文章

畢業於南澳大工商管理學碩士學位,現任Pure Storage台灣區總經理,負責公司台灣業務發展。過去曾於Oracle、IBM、Everelite 和 ACER等大型國際品牌服務,在IT業務領域擁有極豐富的經歷,專精於雲端運算和企業軟體應用。

YAKOBCHUK VIACHESLAV via shutterstock
近來醫療界積極投入AI應用,但若想揭開這座寶庫,資料儲存管理架構必須率先革新,才能真正釋放AI的價值,擁抱醫療4.0。

在醫療過程中,從早期徵兆到臨終照護,醫病資料擁有著大幅提升病患醫療水準的力量,因為它能改變醫療研究與診斷的方式。然而,隨著數位化的不斷普及,醫療機構正逐漸累積前所未有的龐大資料量。

所幸藉由人工智慧(AI)與數據分析的運用,醫師和研究人員都能獲得一些具有決策參考價值的訊息。但儘管AI具備了徹底改變醫療體系的發展潛力,醫療機構想要揭開AI這座寶庫可不是一件簡單的事。

資料穀倉限制轉型步伐,解決方案尋求新出口

AI逐漸受到亞太地區醫療業的關注,根據2018年IDC的一份報告指出,亞太地區的醫療業在AI支出方面排名第三,僅次於銀行和零售業。2018年,醫療機構在AI的花費估計約8,760萬美元,其中絕大多數資金都投注在診斷與治療系統。然而,大多數的企業機構在試圖從零星蒐集的資料來源當中打造出一套有效的工具來實現目標時,卻遇到了障礙。

例如,放射科醫師在學術研究上有時會用到20,000至30,000張切片的CT和MR掃描,因此需要平穩的效能,不能有太多延遲,才能盡速獲得結果。此外,也有越來越多醫療人員利用「醫學影像儲傳系統」(Picture Archiving and Communication Systems,簡稱PACS)來從事更廣泛的分析,而這些系統毫無疑問地將隨著一些資料密集技術(如乳房斷層攝影)的出現而需要不斷擴張。

上述這些今日醫療基礎架構的需求已點出:

舊式資料儲存管理解決方案很快將無法支援AI系統。原因是這些管理儲存方式,多數的資料無法被其他應用程式存取或不易移轉,容易導致資料孤島(data silo)現象產生。

這樣的阻礙對需要跨應用程式篩選資料以迅速有效發掘洞見的AI系統來說,將是一大限制。

由此可知,如何將AI融入營運當中,是醫療產業首當其衝的課題,可惜的是許多機構都缺乏整體規劃,使得企業在設定目標、決定預算、建立資料管理方式,或者選擇合作夥伴時,就會遇到困難。當AI快速發展,那些尚未規劃藍圖來善用資料資產的企業機構,未來將成為落後者。

不僅如此,管理不善的儲存使用方式與四處分散的儲存系統,也阻礙了資料即時的存取與分析,進而降低準確度和速度,而這正是病患治療當中最重要的兩項關鍵。

掌握關鍵步驟,效益即刻彰顯

為了釋放AI的真正價值,醫療機構需要建立一套資料導向的架構來滿足未來的運算需求。唯有採用一套長長久久的基礎架構與創新方法,醫療業才能真正享受AI創新所帶來的效益,並擁抱醫療4.0。

nimon via shutterstock

首先第一步,就是部署資料處理的基礎架構,確保資料互通性與即時存取,並且保障資料的隱私與安全。 資料導向的架構可打破資料孤島的限制,讓應用程式之間任意儲存資料、輕鬆分享,同時支援高速運算,提升效能。除此之外,資料和應用程式更可在多重雲端與企業內儲存之間自由移動,促進彼此的相容性,讓醫療機構實現即時獲得數據分析成果的效益。

此外,醫療機構還必須考量自身的基礎架構要求,這些要求在小規模試營運或測試專案與未來AI全面部署的階段,可能會有所不同,因此預先規劃所需的儲存與運算效能非常重要。 選擇適當的儲存解決方案可建立一個穩固的基礎,進而創造能夠讓人工智慧成功的夥伴與合作關係。

適當的合作夥伴、強大的基礎架構、定義明確的治理模型,全都有助於企業機構挑選一些初期的應用案例來有效改善醫療,或減少效率不彰的問題。

美國加州大學柏克萊分校(University of California, Berkeley)目前正在從事基因組分析(genomic analysis)的研究,其老舊的儲存系統已無法應付龐大的資料量。光是一個人的單一DNA樣本就要300GB的原始資料。若以這類專案動輒50,000至100,000參加者、每位參加者在整個研究當中會採集多次樣本的情況來看,其須處理的資料量將是以PB(Petabyte)為單位。柏克萊的研究人員在改用全快閃平台來搭配即時資料分析引擎Apache Spark之後,現在已經可以更快處理一些大量的運算,進而根據病患基因組的個人化治療提出洞見。

以台灣為例,專精基因組學研究的台灣林口長庚紀念醫院於去年年中成立了人工智能核心實驗室,導入能建構大型AI應用的基礎設備協助大量醫療影像的分析、遺傳資料的研究,以及自然語言。其研究人員現在可快速存取龐大的資料、發掘致病基因,並且更快開發出新的治療與預防方法。AI的應用節省了大量資料彙整與分析的時間,長庚紀念醫院中的醫生將有更多時間能用於與病人的溝通、促進醫病關係。

三軍總醫院亦走在AI趨勢的前端,今年成立了人工智慧暨互聯網發展中心。在人工智慧暨互聯網發展中心建立的過程中,強大的AI解決方案成為了醫學中心大規模運行關鍵訓練工作時的必備工具,讓深度分析的時間從數週銳減至數小時,對於該中心醫療影像與病例的AI判讀、以及物聯網資訊整合等三項重點應用項目帶來了極大的幫助。 AI於醫療上的應用,除可輔助醫療決策,在緊急醫療時發揮功用,更能有效降低人為錯誤,達成精準醫療的願景。

以上案例,突顯出AI具有協助精準診斷以造福數百萬人的潛力。藉由機器學習和數據分析的輔助,醫生與護理人員將更快、更輕易地研究並分析這些醫學資料,加速智慧醫療的轉型,讓資料化做最有價值的資源,真正邁向AI應用,享受醫病療程最大的效益。

責任編輯:陳建鈞

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

每日精選科技圈重要消息