14/11/2015

複雜性症病的謎題需要人工智慧來破解

複雜性症病的謎題需要人工智慧來破解

蘇冠賓
中國醫藥大學 醫學院副院長
精神醫學及神經科學教授
精神疾病、腦疾病、癌症、心血管疾病、代謝性疾病,都是當代最困難的醫學難題,過去的研究即使是長期前瞻性設計,也都受限於施測人力和分析工具,僅能抽樣性地取用單一觀察點(例如每日或每)。然而,隨著智慧手機的普及,加上日新月異的穿載式配備,「系統性」、「連續性」、「大量性」的受試者生物指誌得以被收集,這種前所未有的「即時性」、「動態性」的數據分析,更提供了醫學上事先診斷和預防的可能性。所以,如果科技公司能推出「跨領域穿戴式」的醫療儀器和設備,一定會大大改變了研究數據的型態,把醫學研究、診斷、甚至治療提高到不同的境界。



最近人工智能又獲全勝,昨天Deepmind在Nature發表名為《制霸圍棋,不再需要人類的智慧》的論文中,展示更強大的新版本圍棋程式「AlphaGo Zero」,在三天的自我學習後,對戰天下無敵手的AlphaGo,竟獲100%的勝率!這項研究又再驗證了即使在圍棋這樣最具挑戰性的領域,也可以通過強化學習,達到自我完善的目的。去年人工智慧(AI)機器人Watson,只花17秒就分析完3469本醫療著作、24萬8000篇期刊論文、10萬6000份檢測報告、6萬多份臨床數據,再根據病患基因圖譜和環境資料,立即制定3個優選治療建議!AI只花17秒,就打敗了大多數醫師!

蘋果收購「應用人工智慧技術來分析情緒表情」的Emotient公司

幾年前蘋果公司就收購「應用人工智慧技術來分析情緒表情」的Emotient公司,研發AI技術來分析面部表情、判斷人們的情緒,主要幫助廣告商評估客戶對其廣告的反應。在日本,電話公司也開始利用語調辨識的技術,協助接線生提前評估來電者的情緒反應。聲音和影像辨識技術成為相當熱門的領域,Facebook和Google的Alphabet皆重金投資於這類技術,不僅運用在商業,更可廣泛地發展未來的醫學診斷及治療。


(圖 designboom.com)

蘋果開發整合醫療感測器的穿戴式醫療裝置

蘋果公司也積極開發整合醫療感測器的穿戴式醫療裝置,原本有意把Apple Watch發展成為結合診斷和治療功能的配戴式醫療助手,但醫療儀器受到美國食品和藥品管理局(FDA)的嚴格審查,為了不要拖慢Apple Watch 創新發表(升級賺錢)的速度,Apple Watch現階段只開發無需經過 FDA 審核的小功能(例如記錄日常活動、心跳、鼓勵提醒養成良好習慣…)。蘋果將研發另一款整合醫療感測器的穿戴式醫療裝置,一旦科技公司「跨領域」推出了實用的穿戴式醫療儀器和設備,會大大改變研究數據的型態,把醫學研究、診斷、甚至治療推到不同的境界。


複雜性症病的謎題需要大數據來破解 

精神疾病、腦疾病、癌症、心血管疾病、代謝性疾病,都是當代最困難的醫學難題,過去的研究即使是長期前瞻性設計,也都受限於施測人力和分析工具,僅能抽樣性地取用單一觀察點(例如每隔一日、二週、或一個月)去分析,這些數據對主要診斷或治療標誌往往「可以接受、但不夠理想」,對於長期成效評估(long-term outcome)的「涵蓋性和解釋量」都不夠完美。想像「代謝疾病、糖尿病或高血壓」的治療,能夠以持續性監測(continuous data from ambulatory blood pressure/sugar/lipid levels)的觀察,分析運動前後、工作時的影響、飯前餐後的動態指數時,科學家一定可以偵測「連續 vs. 抽樣」數據在「預後、併發症和死亡率」上之具有意義的成效。同樣的道理,持續性即時監測分析「情感性精神病、憂鬱症、過動症、失智症…等等行為心理疾病」的動態改變,對於治療和診斷的重要性,會遠遠高於目前抽樣性單一觀察點的數據。

不久之前,Thomas Insel 辭去任職13年的美國國家精神衛生研究院(NIMH)院長,加入Google的Alphabet,他認為,「未來我們說到健康的相關產業,討論的不再是禮來或輝瑞(藥廠),而是蘋果Apple和谷歌IBM(資訊業)」(In the future, when we think of the private sector and health research, we may be thinking of Apple and IBM more than Lilly and Pfizer)。他深深了解系統性、非片段性的數據,才是突破複雜性最高的精神疾病之關鍵。在他的TED演講中,可以看出他對精神疾病研究上的瓶頸有深入見解。有趣的是最後引用的是比爾蓋茲(資訊業)的話:「我們總是高估未來兩年將發生的變化,低估未來十年將發生的變化」,於是他辭去公職,加入Google。

在精神醫學的研究方面,目前可以著手、也是相當重要的議題是:
1. 面部和語音的情緒辨識(含固定作業之下的反應)科技必須突破。
2. 基礎活動量(體動)連續資料的收集並建立常模標準。
3. 連續性的睡眠或腦部活動資料之收集並建立常模標準。

眼前應該要儘速克服的困難是:
1. 經費(臨床試驗和提供設備給病患進行長時間配戴,以收集連續資料)
2. 收集基本數據以提供初步結果做為進一步大規模研究做為參考
3. 跨領域團隊的密切合作。


結合頂尖的臨床轉譯團隊,台灣有極大的競爭力

隨著智慧手機的普及,加上日新月異的穿載式配備可以「系統性」、「連續性」、「大量性」分析受試者的生物指誌…,這種前所未有的「即時性」、「動態性」的數據分析,更提供了醫學上事先診斷和預防的可能性。所以,如果Apple、Google或科技公司真的「跨領域」推出了「穿戴式」的醫療儀器和設備,一定會大大改變了研究數據的型態,把醫學研究、診斷、甚至治療提高到不同的境界,成為革命性的產品。

台灣在資訊工程、電腦科學、以及穿載式配備上已有相當好的基礎,在硬體和軟體上的技術,也應該接近應用端的需求。接下來最困難的,可能是進行「正確無誤、精準可信的臨床大數據」收集。利用台灣健保資料庫或醫療院所現成的資料,都是觀察性的回溯資料,並不符合完善控制條件之下之前瞻性數據,其中絕大部是受到「健保給付制度、因應醫療方便、和醫師個人見解」所產生的誤差資料。所以,要結合台灣頂尖的臨床轉譯團隊,進行精確的大數據收集,才是AI能在醫療上成功的關鍵!

台灣的臨床個案數量和健保資訊完整性為世界稱羨,但是AI還更需要的是:
1. 台灣在國際上有影響力的臨床轉譯團隊,有能力收集「精準控制條件(有嚴謹研究設計概念)之下的前瞻性臨床大數據」。
2. 符合國際標準和共識的大規模、高品質的臨床試驗。
3. 主持人親自投入實驗,願意積極投入跨領域合作。

由於精神疾病和文化(語言)有關,所以具有不容易被歐美超越的優勢。再加上台灣的產學若能有所突破,這些醫療應用都可以造福到華人(大陸)的社會,企業能有足夠的市場。

結語

引領潮流需要的是劃時代的見解和理論,而且是不同領域的人才爭奪戰,AI不但將帶給產學合作的新方向,對於深受疾病之苦的患者及家屬,AI或許成為破解醫學之謎的關鍵。未來的精神醫學大師,很可能就是熟悉電腦運算的AI高手、或是能在虛擬實境中和病人的意識及潛意識恐懼對戰的電玩高手。

(蘇冠賓部落格:http://cobolsu.blogspot.tw)


Reference:
  1. Apple smart strap patent hints at new direction in wearable tech (http://www.geeksnack.com/2015/12/05/apple-smart-strap-patent-hints-at-new-direction-in-wearable-tech/; http://www.technmau.com/apple-smart-strap-patent-hints-at-new-direction-in-wearable-tech-368679)
  2. 蘋果收購「應用人工智慧技術來分析情緒表情」的Emotient公司。http://www.theverge.com/2016/1/7/10731232/apple-emotient-ai-startup-acquisition
  3. 引領潮流需要的是劃時代的見解和理論 (更新 2017/10/16) http://cobolsu.blogspot.tw/2015/10/blog-post_16.html







Post a Comment