(AI競賽)北榮+ HTC團隊: 北美放射線學會 顱內出血識別 準確率96%、AUC 98.9%

北榮HTC開發演算法識別顱內出血 高準確率亮眼國際 2019-11-28聯合報 記者羅真／台北即時報導 人工智慧輔助醫學檢驗越來越熱門，台灣技術表現亮眼，近日台北榮總與HTC團隊合作參與北美放射線學會（RSNA）的顱內出血識別競賽，其開發的演算法在全球超過1340個團隊中位居前2.3%。經濟部工業局今日舉辦醫學影像及臨床應用交流會，台北榮民總醫院放射線部部主任郭萬祐出席演講時提到這項捷報。北美放射線學會近日邀請全球團隊開發算法，針對北美放射線學會與美國神經放射線學會等提供的影像，識別出急性顱內出血及其亞型。HTC旗下的TVGH-DeepQ團隊開發的演算法，在競賽中達到準確率96%、AUC值為98.9%的好成績。郭萬祐表示，人工智慧輔助診療使得醫療品質大幅提升，舉例來說，腦轉移診斷是癌症治療後期的關鍵，越早確診，就能越早採取不同的治療方式。在傳統診療模式當中，核磁共振檢查報告要等五到七天，報告出來後的人工判讀約需20-30分鐘，檢查到治療約需數周；但若是人工智慧輔助診療，核磁共振檢查後就能立即判讀，判讀只需要30秒，對患者的幫助可見一斑。隨著人工智慧技術在醫療領域快速進展，被譽為「深度學習之父」的學者傑佛瑞.辛頓（Geoffrey Hinton）曾公開指「應該停止培訓放射科醫師」。三軍總醫院放射診斷部部主任徐先和今日出席演講時提到，「現在不少住院醫師不敢選放射科了，擔心被搶飯碗」，但他也說「Geoffrey教授並不了解醫學」。徐先和表示，人工智慧要在平面下贏一盤棋很簡單，但體內病灶存從各個角度觀察到的樣子不同，且胸腔影像中的一個結節，有可能是間質性肺病、縱膈腔疾病或骨折問題，人工智慧或許能快速揪出胸腔影像中的小結節，但它的專長目前僅止於此，接下來還是得透過醫師累積經驗加以判斷。有人可能反駁，人工智慧透過深度學習，辨識病灶的功力可能越來越精準。徐先和說，這也是放射科醫師所期望的，不過現況下，即使醫師將患者所有結果回推，有時仍不太確定影像中的東西是什麼，「當老師都不會了，怎麼教學生？」因此，「人工智慧不容易完全取代真人醫師，至少十年內都不至於」。郭萬祐表示，真正的議題不是誰能否取代誰，而是醫師如何整合新技術，才會精進醫療品質。未來在放射科醫學生訓練上，必須訓練學生比自己更強、比人工智慧更強，否則過度倚賴人工智慧的社會可能面臨浩劫。