Pages

Wednesday, December 4, 2019

(神寶醫資+仁寶+浩鑫) 工業局 居家 醫病-新智慧健康 服務平台

仁寶攜手浩鑫跨入長照市場 推動不老社區 2019-11-29 17:11經濟日報 記者 蕭君暉/台北即時報導 仁寶集團旗下子公司神寶醫資今天攜手浩鑫,與嘉義縣政府共同舉辦「智慧城鄉,不老社區-智慧C點啟動記者會」,宣達全面在嘉義縣升級C級巷弄長照站,持續推動長者預防及延緩失能訓練,並同步記錄健康歷程,成為全台模範智慧長照C據點。嘉義縣政府近年來持續推動社區預防及延緩失能照護計畫,帶領社區長者透過肌力、平衡等課程訓練,享受邁向逆齡樂活的歷程。神寶醫資表示,嘉義縣政府推動的照護計畫,讓「預防及延緩失能」不是口號,而是成為每日實踐的行動,透過預防及延緩失能訓練肌耐力預防長者跌倒,並且用物聯網設備與健康雲平台紀錄身體狀況,持之以恆建立長者專屬的健康歷程。仁寶集團積極投入智慧醫療事業發展,強調以物聯網應用為基礎協同地方政府落地發展,2019年成立醫療事業子公司「神寶醫資股份有限公司」,專責醫療物聯網解決方案及政府健康照護專案的永續運營。擁有仁寶產品與雲平台技術的支持,神寶醫資傾心力投入與縣市政府、長照機構和醫療院所共造高齡友善的照護環境,積極透過智慧科技提升銀髮照護品質與便利。此次由神寶醫資承接經濟部工業局的「居家量測、評估串醫病-新智慧健康服務平台」專案計畫,透過專業分工全面建造照護據點,仁寶負責雲健康管理平台研發,神寶醫資負責健康照護示範據點建置及推廣,浩鑫則著眼於社區,深入社區據點及居家推動健康量測服務,同心協力將物聯網科技導入縣民生活場域,期許能為「不老社區」共盡心力

工業局: 2020年 籌組醫學影像 團隊 出國交流

整合產業走向國際 工業局與竹北生醫中心從眼科與影像專科起步 蔡騰輝 2019-11-29108年工業局醫療器材產業技術輔導與推廣計畫的醫學影像及臨床應用交流會上,經濟部中小企業處新竹生醫產業暨育成中心主任陳俊融表示,醫學與工程的交流已經越來越熱門,同時近年也有許多成果。近期醫學影像與人工智慧的融合,除了各大醫療院所已開始試用以外,也有不少資通訊產業軟硬體人才加進生態系努力。

協助產業發展 台灣生態與國外鏈結 陳俊融表示,相當重視產業輔導的工業局過去籌組眼科醫材產業聯盟,在20199月和10月時,集結台灣優秀廠家到國外參展找合作夥伴,後續各國經銷商也與台灣團隊有許多互動與討論交流。目前期許2020年以醫學影像為團隊主題,出國參展與國際技術和商業團隊交流。與過去科技發展與軟硬體成形後,產業藉而應用的產業生態不同,近年來的觸新技術發展都源自於需求端的反饋,在智慧醫療領域,已有不少例子。從醫生專業的角度,在臨床使用的需求觀察,工研院生醫所總監林溢泓表示,過往的病症診斷,從擁有長年經驗的醫師,到黑白影像科技,進展到彩色超音波等技術,現在與未來更是AI人工智慧的領域,而在這樣的發展過程當中,醫學影像扮演著重要的的角色,包括美國在內等國家也都積極切入AI診斷的軟體研發,也希望從技術研發和產業應用,增加國家競爭力與產業發展。

(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。