(長庚醫院) AI質譜儀數據 智能判斷 細菌抗藥性

強過醫師經驗！長庚訓練AI變身抗生 三立新聞網 2018年11月17日記者楊晴雯／台北報導醫療與人工智慧的結合，對白色巨塔帶來重大改變，林口長庚醫院以「智慧醫療」為主題，舉辦「醫療資訊研討會」，內容包含多項智能化、自動化的設備與資訊系統在臨床中的運用；透過多項醫療影像、紀錄等巨量資料的自動深度學習來展現成果，例如以AI判讀細菌抗藥性、深度學習於外傷影像診斷的運用等。桃園長庚醫院院長楊政達表示，「智慧醫療」是藉由高質量的資訊及智能技術的支持，提升醫療照護的全面性及確保民眾就醫的品質，是醫界發展的新紀元。長庚醫院去年起更成立專案團隊開始推動發展「智慧醫療」，希望輔助醫護團隊的部份工作，促進專業人力的時間運用效率以回饋於更加專注在病人臨床照護。次研討會主要呈現了「智能醫院服務」、「虛擬實境應用」及「醫學人工智慧」主題的發展。「智能服務」的內容包含多項智能化、自動化的設備與資訊系統在臨床中的運用。其中「人工智慧」備受矚目，是透過多項醫療影像、紀錄等巨量資料的自動深度學習來展現成果，例如以AI判讀細菌抗藥性、深度學習於外傷影像診斷之運用等。林口長庚醫院檢驗醫學科主治醫師王信堯分享AI判讀細菌抗藥性的技術。他表示，傳統醫治遭到感染的病人，會使用抗生素治療，並等待1到3天的時間檢驗藥理，判斷該選擇何種抗生素才能讓病人得到最好的效果。他舉例以肺炎患者為例，要找到是什麼菌種引起的，首先要驗病人的痰液，經16小時細菌培養，再用質譜儀分析菌種就需要1天的時間，之後再選出要用什麼藥物醫治，又要再花上1到3天的時間。質譜儀檢驗，在臨床上主要是運用於判斷菌種。等待報告結果期間，病人仍須用藥治療，大部分醫師是依經驗法則用藥，抗生素使用錯了則可能有抗藥性出現，就算是有經驗的醫師也會有猜錯的風險。為了突破此困境，王信堯思考何不利用長庚醫院自2013年開始累積迄今的龐大質譜儀檢驗數據，通通丟給AI自我學習，訓練其成為抗生素專家；於是從2015年進行這項訓練，AI向質譜儀數據深度學習獲得細菌特性與抗生素抗藥性，歷經2年時間表現亮眼。以感染金黃色葡萄群菌為例，過去依據醫師經驗平均猜錯藥的機率是5成，而AI猜錯的機率為2成，換句話說，在10名感染該菌種的患者中，8名患者能被正確預測使用哪種抗生素治療才有效。這名AI抗生素專家，專攻超級細菌抗藥性預測人工智慧技術，王信堯說，目前技術都準備好了，不過還要等待法規專家的評估，順利的話明年第二季會開始應用於臨床。