杜奕瑾投入智慧醫療新戰場!他如何預測帕金森氏症高風險患者?
杜奕瑾投入智慧醫療新戰場!他如何預測帕金森氏症高風險患者?

「這根本不是一個疾病,而是一齣悲劇小說。」電影《愛情藥不藥》裡面,一位患有帕金森氏症(Parkinson's disease)第四期的病人家屬,對著男主角傾訴自己身為患者丈夫的情緒:「她將無法自己穿衣服,你也可能需要打理她的排泄物,最終她的生活將失去控制。」

帕金森氏症是一種腦部退化疾病,依照發病的不同階段,患者會產生不同程度的症狀,唯一相同的境遇是,任何人一旦出現這個病狀,都是不可逆的。

「這會嚴重影響身邊家人的生活,所以我們希望透過科技的方式來預測,」台灣人工智慧實驗室(Taiwan AI Labs)創辦人杜奕瑾說。

台灣的下一步,前進精準醫療藍海市場

在AI的大傘下,智慧醫療(Smart Health)是近年來的熱門選題,其中精準醫療(Precision Medicine)能透過基因定序的方式,以及各種資料的搜集,以提供患者更精準的疾病預測,成為各方投入的新戰場。

根據美國研究顧問公司Frost & Sullivan預估,到了2025年,全球精準醫療市場規模將達到1,300億美元(約近4兆元新台幣)。

有別於常見的「精準醫療」一詞,杜奕瑾更偏好使用「精準健康」(Precision Health),因為「Health」這個詞,可以傳遞這個技術能夠帶給病患全面性的照顧之意,而非只有「治療」一個環節。

台灣人工智慧實驗室_AI模擬藥物作用,找出「精準健康」解決方案.png
台灣人工智慧實驗室利用基因定序結果推測出蛋白質結構,並藉由AI演算法,進行藥物化合物與蛋白質結構的親和力模擬(即模擬藥物在人體內的狀態),以確認藥物在蛋白質上是否能產生作用,協助研發「精準健康」的解決方案。 在此圖中,團隊將模擬結果以3D視覺化呈現,紅色的深度代表結合次數愈多(熱區),實驗室便會針對這些熱區,再進行後續研究。
圖/ 台灣人工智慧實驗室提供

至於台灣人工智慧實驗室何以選定醫療領域,杜奕瑾用了「靈魂之窗」一詞來解釋。

「靈魂之窗重要的不是窗,而是『靈魂』。」台灣擁有世界一流的代工技術,可以製作出各種低成本的終端裝置,用於觀看、記錄,這就是「窗」的概念。然而,真正有價值的應該是背後這些看不見的靈魂,「當終端裝置填入了軟體、滿足了使用情境,並進行各種分析,真正解決了大家的問題,這才是藍海市場啊,也才是台灣下一步該走的路。」

龐大數據資料,結合「窗與靈魂」

因此,看好台灣已擁有一群優秀的軟體工程師,加上1995年上路的全民健保,已積累龐大的數據資料,再配合國內頂尖的醫療技術所留下來的高質量分析結果,杜奕瑾認為,當窗與靈魂結合起來,將可以讓醫療資源做更有效的利用,也有助於提升醫生的診斷品質。

「任何決策都必須有科學根據,醫療場景也是。」未來,醫師給予病患的診斷、用藥和療程,都可以在參考患者的各種數據資料,包括生活型態資料(Lifestyle Data)、健保資料及基因定序等分析之後再下定論,才能更精確地符合患者個人的需求。

針對前述帕金森氏症的精準健康計畫,杜奕瑾表示,台灣人工智慧實驗室目前已與臨床醫師展開合作,利用台灣人體生物資料庫的生物晶片「TWB2.0」(包含70萬個基因變異位點),配合已發病患者的資料,在實驗室開發的分析平台TAIGenomics上,運行其自行研發的分析工具GenEpi,找出與臨床發病者有最大關聯性的基因變異位點。

未來,透過更多的實驗室驗證進行篩選後,希望能夠進一步產生帕金森氏症的風險預測工具,協助更多人提早進行人生規畫。

杜奕瑾_台灣人工智慧實驗室創辦人_2020_10_06_蔡仁譯攝-3 (2)
杜奕瑾認為,透過科技的方式預測疾病,可以讓醫療資源做更有效的利用,也有助提升醫生的診斷品質。
圖/ 蔡仁譯攝影

基因預測後,跨足全球市場的挑戰

不過,這項計畫也有自己的挑戰。因為在遺傳檢測的協助下,目前得出的結果,僅能用於預測罹患帕金森氏症的高風險患者,對於如何延緩發病時間、發病後的各種治療方式等,就不是單純的基因定序這麼簡單,還需要臨床團隊長時間的配合、長期記錄患者的治療狀況,搭配基因定序的資料進行演算,才有機會做到針對病發患者該採用何種治療方式,也就是精準健康的建議。

儘管Taiwan AI Labs目前的帕金森氏症計畫,是立基於本土的基因序進行研究,然而杜奕瑾言談間流露出更大的企圖心。

首先,這項計畫將跨出台灣,嘗試整合全球針對同一症狀進行的精準健康研究,做出更多的比對,深入了解不同人種在同一症狀上的差異性,期待能在預測上有更全面的判斷。

其次,台灣人工智慧實驗室也打算將精準健康計畫的觸角延伸到遺傳疾病、超級細菌抗藥性和其他慢性病的研究上,「利用AI,解決醫療場域裡難以解決的問題,正是我們的責任。」

最後,杜奕瑾提醒,AI領域和醫療領域的人才如何銜接,也是智慧醫療發展的一大難題。他建議,由醫療領域的人才來學習如何「說AI」,會是比較務實的作法,因為他們比誰都知道,在醫療流程裡,哪些部分可以透過AI的幫忙來加快腳步。

有了共同的「AI語言」作為溝通基礎,擁有AI技術的同仁不僅能接收指令、也能反饋一些想法予醫療領域的同事,雙方共同打造出各種導入AI的醫療應用場景。

台灣人工智慧實驗室
成立:2017年 
創辦人:杜奕瑾 
主要業務:以醫療保健、智慧城市和人機交互為核心,致力於AI解決方案

本文出自數位時代318期11月號《台灣下一個世界級產業:智慧醫療》

責任編輯:郭昱彣、林美欣

關鍵字: #智慧醫療
往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

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。

博弘雲端
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

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓