【媒體報導】Entering the New AI Era：AI organization at NTU

/in ,

 

📌原文連結

In the past decade, the rapid growth of AI has driven comprehensive development across various areas. NTU research teams have long been devoted to AI research, leading globally in computer vision, machine learning, natural language processing, and the Web and information retrieval. The exclusive interviews will introduce four AI-related research centers within the university, all sharing common goals of technology research and development, talent cultivation, practical application, and international connection.

 

In 2018, with the support of AI Innovation Research Center Project (2018–2021) initiated by the Ministry of Science and Technology, Professor Hsin-Hsi Chen and Professor Li-Chen Fu jointly established the NTU Joint Research Center for AI Technology and All Vista Healthcare (AINTU), focusing on smart technology and smart medical care research. In 2020, AINTU in collaboration with the National Taiwan University Hospital (NTUH) conducted a three-year capstone project on smart emergency department. NTU research teams continued to receive support from AI Research Project Addressing Critical National Challenges (2022–2025) to develop trustworthy AI core technologies and their applications in services and healthcare.

 

We continuously innovate, exploring new topics, and developing new technologies and applications. We collaborate closely with departments to support programs such as the Intelligent Medicine Program, Master Program of Artificial Intelligence, and the PhD program in AI Engineering Applications, with the aim of cultivating interdisciplinary talent. We cooperate with industries to drive industrial advancement, tackling challenges proposed by industry and solved by academia.

 

Exclusive Interview with the National Taiwan University Joint Research Center for AI Technology and All Vista Healthcare (AINTU)

📌原文出處連結

If we were to sum up the various tasks undertaken by the AINTU with one keyword, “connection” would be an ideal choice.

As an example of international connections, AINTU maintains regular partnerships with the American company Google, annually facilitating collaborations between scholars from NTU and other universities with Google. Through the annual co-hosted event (AI BootCamp), key Google researchers are invited to Taiwan to share the latest developments in cutting-edge technologies that are not publicly disclosed. Each year, critical topics are selected, such as the Google’s large language model (LLM) development and AI applications in the semiconductor industry in 2023, fostering in-depth discussions and exchanges with faculty and students.

Moreover, AINTU has hosted multiple AI summer camps so far. In 2021, it successfully hosted the internationally renowned Machine Learning Summer School (MLSS) 2021, featuring a rigorous three-week, 76-hour intensive program. Thirty international lecturers were invited to deliver various courses covering both theory and technology. The event attracted over 1,700 students from 61 countries, establishing Taiwan as a key node for the exchange of next-generation AI talents.

In terms of research, AINTU leads the Smart Emergency Diagnosis research program initiated by the National Science and Technology Council to develop AI tools, integrating NTU’s AI technology team with the medical team. This initiative not only accelerates the conception and execution of relevant research but also elevates the quality of frontline medical care. The collaboration with the Department of Emergency Medicine at NTUH, under the direction and coordination of the department head, identified issues in triage, imaging, and diagnosis that AI could address. The professional computer science team at AINTU then developed over ten models, resulting in more than 30 research papers and clinical trials involving tens of thousands of participants. To ensure practical applications, AINTU assisted NTUH in overcoming bottlenecks in data and computing power for model implementation by securing the cooperation of suppliers to install cloud-based GPU servers for regular hospital use.

2023 AI BootCamp Group Photo

 

National Taiwan University Hospital Smart ED Press Conference Group Photo

【媒體報導】AI頂級會議又在臺舉辦，兩大巨頭分享生成式AI新進展，連摩根大通研發副總都將來臺北分享

/in ,

📌日期：2023.07.21
📌原文：連結

國際頂級AI學術會議又來臺舉辦，資訊檢索領域（IR）的AI頂級會議ACM SIGIR近日（7月23日）將在臺北舉辦，由Google DeepMind 、微軟研究院的重量級科學家開場，分享生成式檢索、Copilot搜尋等AI新典範浪潮下的研究進展，多家跨國企業像摩根大通集團都派出研發副總來臺分享業界第一手研究。

 

ACM SIGIR是全球13個頂級AI會議之一，是資訊檢索領域公認最重要的學術會議，今年有將近500篇論文，論文接受率平均只有20％，議題涵蓋了各種資訊檢索技術和議題，例如搜尋、排序、評估、NLP、推薦系統、內容分析、FATE（公平透明倫理、可解釋性）等，傳統的IR技術，正是電商、企業常用推薦技術背後的基礎。另外也有業界研發成果專場，發表數十篇業界第一線論文。不只學術界重視，連科技巨頭，跨國企業，如摩根大通集團都有數篇論文發表，派出研發副總親自登臺。

 

2019年7月臺大人工智慧研究中心陳信希主任在向SIGIR組織提出申請，與三國競爭後勝出。這是46年來首次來臺舉辦，由臺灣大學人工智慧研究中心與中華民國計算語言學學會負責。這是2019年電腦視覺頂級會議ICIP登臺，帶來卷積神經網路之父Yann LeCun訪臺後的另一場AI頂級會議。

 

臺灣大學人工智慧研究中心執行長杜維洲指出，AI技術演進太快，競爭非常激烈，研究者為了怕競爭者搶先發表類似成果，往往選擇到舉辦時間最近的國際會議上發表，而非像其他領域透過重要期刊曝光。不只學術圈，科技巨頭一有新進展，也會想在最近的AI頂級會議上發表，換句話說，「在AI頂級會議，有機會看到全球最新的重大AI研究成果。」他強調，不只IR，更會吸引各領域AI的國際一流研究人員來臺交流。

 

Google DeepMind、微軟研究院重量級科學家、臺灣國際級ML專家揭露最新發展

「光是主場演講就非常值得期待，」杜維洲推薦。學界業界都高度知名的Google DeepMind傑出研究科學家Marc Najork，在Google率領了70人規模的研發團隊，他也是IEEE院士，將介紹最熱門的生成式模型如何影響IR領域的發展，尤其是這個新典範伴隨的衝擊和困難。

而微軟研究院實驗室副總監兼總經理Ryen White在微軟總部率領了多個重量級議題團隊，包括NLP倫理、Cortana等主題。微軟近來大舉將Copilot的人機協作AI思維落實到各產品和研發層面。Ryen White將分享Copilot趨勢對搜尋和IR領域的最新進展和衝擊。而因ML演算法論文破5萬次引用揚名全球的臺灣大學資工系教授林智仁則會分享一個重要的ML模型研發新思維，要有不要等到夠準才敢試的態度。

主辦單位特別找來伊利諾大學使用者測試首席研究科學家Ranjitha Kumar擔任主場演講，分享使用者體驗研究時，如何整合量化和無法量化的質性資料，來進行使用者實驗的方式，「這位一路參與新創公司第一線研究的學者，可以帶給IR領域新觀點而邀請她。」杜維洲。

 

將數百位AI學界、業界一流人才帶來臺灣交流

另一個在臺舉辦的意義是，杜維洲表示，臺灣越來越多本土研究人才，但不見得人人都有機會出國擴大視野，爭取頂級國際會議來臺，就能將數百外國際專家帶來臺灣交流。為了讓臺灣新一代學術人才和國際一流AI人才交流，臺大也招募了近50位碩博士生擔任工作志工，就近與這些國際專家接觸。

去年ACM SIGIR會議在熱到42度的西班牙舉辦，眾人最疲累的最後一天末尾，臺灣主辦人上場介紹今年活動時，直接播放了3分鐘影片，一播完夜市各類美食，全場歡呼，大家都問，能不能喝到道地的珍珠奶茶。杜維洲打趣的說，去哪吃臺灣美食，成了這群國際AI人才來臺，最常問他的一件事。

 

 

【媒體報導】啟動元宇宙的鑰匙：超級AI客服

/in ,

啟動元宇宙的鑰匙：超級AI客服

📌日期：2021.11.29
📌原文：連結

在機器學習（ML）與自然語言處理（NLP）技術發展下，以對話式人工智慧打造的超級AI客服，正逐漸改變各產業的樣貌。據全球諮詢機構P&S Intelligence評估，超級AI客服產值將在2024年達到229億美元，年複合成長率高達19.7％。其中，或許還不包含以象形文字為主，民情有別於歐美的中文超級AI客服。

向戲劇、行為科學取經，建構語音情緒演算模型

「在機器學習中，如何取得資料是第一個難關。為了建立台灣中文對話的情緒演算模型，團隊在五年前先透過戲劇系演員協助，演繹人們對話時的各種情境，再結合行為科學家的研究理論，輔助建立模型。」清華大學電機工程系副教授李祈均說道。

需借力戲劇系演員，是因國外雖多有情緒演算研究，但受限於個資問題，即便研究單位願意分享模型成果，在無法結合原始資料分析下，應用價值有限。而要從真實世界裡從頭累積華文世界的資料庫，又曠日廢時，因此才想到這個方法。

即便如此，李祈均教授的團隊仍耗費四年時間，在累積100多個小時的對話數據庫後，並整併行為科學理論才得以建構出有效中文情緒辨識模型。

「這個難關，直到近兩年Podcast盛行，才讓研究團隊思考能以比較短時間內，大量取得更多元的對話情境數據。」李祈均指出，以往做情緒演算模型時，往往只有一、兩萬句對話，頂多十幾個小時的資料量，但在國外最新以Podcast為數據來源的研究中，則以至少400小時為目標。

李祈均分享，目前團隊也和該研究機構合作，取材中文的Podcast節目，並整合自動語音辨識、語意分析處理、多模態融合、個人化模型的演算法，同步整合個體空間行為表徵學習，透過深度網路構建情緒辨識模組。

 

上圖：清華大學電機工程系副教授李祈均

表徵學習技術，讓輸出增添無限可能

而除了情緒演算外，要建構中文的超級AI客服，仍有賴於表徵學習（Representation Learning）的核心技術。

「在AI客服的應用上，無論輸入的資料是文字、語音、圖像或影片，都需將數據轉換成能被機器學習的向量與實數，而表徵學習就是在機器學習使用表徵的同時，也學習如何提取特徵的技術。」清華大學資訊工程系教授吳尚鴻說道。

就因表徵學習具備「學習如何學習」的能力，除了取代過去需仰賴專業人員、耗費大量時間手動提取特徵，並「輸入」數據的時間，應用在「輸出」時，更有助於開發出原生文字、原生圖片、原生語音、原生影片，為線上消費環境提供良好的使用者體驗。

上圖：清華大學資訊工程系教授吳尚鴻

自然語言學，攻克語言巴別塔

但要建構中文世界的超級AI客服，要攻克的最大關卡，仍是語言這座巴別塔。畢竟，機器學習霸權的母語屬拼音系統，並透過程式編碼樹立高牆，中文世界的研究要後來追上，看似不易。

不過，這在研究自然語言處理（Natural Language Processing , NLP，或稱Computational Linguistics，CL）三十多年的臺大資訊工程系教授陳信希眼中，卻不是一件難事。

「不管是拼音組成的英文單字，或是象形文字的中文單字，要對電腦產生意義，都需要轉化成有意義的形式，也就是所謂的表徵。」陳信希分享，語言在電腦中的表現方式，從早期的（symbolic representation）、中期的分佈式表徵（distributional representation），演進到近年來在深度學習中廣為使用的分散式表徵（distributed representation），都需先把生活中的事物化為表徵，再透過不同方式運算。

更何況，從單字到句子，無論是中文或英文，只要能從名詞、動詞、形容詞和副詞組成的句型中，判斷出人事時地物，就能化成自然語言學所需的資料。

「尤其，深度學習的分散式表徵，使用低維度高稠密向量，以預測方式取代過去分佈式表徵的計數方式，大大提升了機器學習任務的效能，也讓自然語言學有了大幅躍進。」陳信希說道。

上圖：臺大資訊工程系特聘教授陳信希

確保資訊自主性，才能成就元宇宙沃土

在深度學習技術的推進下，也讓未來的AI客服有了全新想像。

「目前，除了線上翻譯、聊天機器人外，自然語言學也已應用在輿情分析、病歷探勘、金融科技、健康照護、法律諮詢、烹飪教學等領域，在加入深度學習後，未來潛力可期。」陳信希說道。

當研究團隊運用深度學習，在取得資料進行數據運算時，也讓學研界自省在一項技術研究初期，思考該技術發展後可能衍生的問題與爭議，並加以改善、防堵。

「當人們享受Google、Facebook帶來的便利時，伴隨大數據演算而來的大量廣告推播，也讓民眾的被監控感日益強烈，並衍生出資訊自主等議題。」吳尚鴻指出，在消費者對資訊安全日益重視後，杜絕平台收集個人資料的軟體也會應運而生，例如只要在手機裡下載某個App，就可防止平台收集你的資料。

「當資訊安全性與自主權獲得保障後，人們才可以安心沉浸在多媒體建構的虛擬世界中，藝術創作者也才能安心創作，不怕被侵權。」李祈均說道。

從以自然語言學，將人類語言轉換成電腦的語言，並透過深度學習，催生出多元的AI客服應用。未來的超級AI客服，除了是打開元宇宙的鑰匙之一，相關技術衍生的資訊安全問題，更是人們往返實體與虛擬世界中，最重要的心理安全閥。

👇詳細文章請見

啟動元宇宙的鑰匙：超級AI客服 https://www.cw.com.tw/article/5119119

【媒體報導】跨域應用AI技術 台大人工智慧中心展現前瞻研發新量能

/in ,

跨域應用AI技術 台大人工智慧中心展現前瞻研發新量能

📌日期：2021.11.30
📌原文：連結

近年數位轉型與AI技術蓬勃發展，是各個產業關注的議題。而一個技術從研究開發到實際的產業應用，需要多方的合作與投入。協助跨領域技術與產業順利連結，是臺大AI中心的重點目標之一，為促成產學交流與合作，臺大AI中心於110年11月26日(五) 舉辦線上「臺大AI中心暨轄下計畫成果發表會」。此次由中心轄下AI核心技術及醫療照護領域的研究團隊，透過技術講演及海報展示，分兩個場次發表多項前瞻研究成果與應用方向。

在AI核心技術場次中，電腦視覺與多媒體類別研究團隊結合眾多技術，已生成相關落地應用於視訊監控與醫學影像、手機晶片與製造，與銀行及輿情分析產業等。其中，臺大陳祝嵩教授團隊所訓練的永續終身學習(CLL)模型應用在工業的瑕疵檢測上，能將所有的瑕疵辨認整合在同一模型進行，可達到增加新的偵測目標而不影響原本的辨識率。

此外，陳祝嵩團隊所開發的Audio visual語音增強技術，透過灰階化、降解析、自編碼等多重手法，讓影像處理成本降至與音訊處理相當，並確保流程中影像無法還原，但仍可保持優異效果，在影像資料分享的過程中同時兼顧效能及隱私。

清大林嘉文教授團隊利用深度學習研發出半導體製程EDA工具，可以早期預測光刻製程所產生的電路失真及光罩修正，可應用於IC 製程之佈局圖評估、IC 瑕疵、熱區預測，及光罩優化等。這是全世界第一套以電腦視覺準確預測光刻製程對晶圓線路所產生的失真之技術，大幅超前目前EDA設計工具，可望造成半導體製程EDA之典範轉移。

AI晶片、硬體設計與通訊類別研究團隊也開發出多項實用技術。元智大學方士豪教授研究團隊開發之毫米波雷達動態感知技術，可在有隱私疑慮的遠距居家照護機構場景，用於偵測跌倒事件發生、或是監測臥床者之生理指數，降低照護者之負擔。

目前離線聲控裝置不易達到大字彙的關鍵字語音辨識，方士豪團隊研發出個人化語音增強技術，可在離線狀態下消除語音訊號中的雜訊，提升關鍵字辨識率，可應用於家電及家庭照護等語音控制裝置。

上圖：方士豪團隊以「個人化語音強化系統」獲頒2019未來科技突破獎。

另外，如何將需要大量計算的AI技術在終端裝置實現，可高度平行化處理的通用繪圖處理器(GPGPU)是一個未來方向。成大陳中和教授團隊自2013年起規畫開發的CASLab GPU，目標是打造出第一顆國內自製的SIMT運算型GPU。

上圖：陳中和團隊以「符合OpenCL/TensorFlow API 規範的通用繪圖處理器」獲頒2020旺宏金矽獎。

透過優化的編譯流程，使軟體堆疊更能配合硬體的運作，大幅提升整體效能，且提供開源的開發執行環境。軟體層無論OpenCL Runtime、Compiler都是以C語言開發，可以搭配在Arm、 RISC-V等常見的CPU平台上運作。這項技術也已開始技轉多家廠商，快速為MCU升級AI能力。

在這個連網智慧服務的時代，人們已習慣使用網路服務，近年來產業界也大量在第一線使用AI智能客服。若要達到精準應對，大範圍的知識庫是不可或缺的。在自然語言與情緒運算類別中，中研院馬偉雲教授團隊開發的獨特知識表達模式，將原本的常識 (廣義知網E-HowNet) 附加知識 (維基百科的文本資料)，擴大詞彙規模，打造一個百萬詞彙級別的中文知識圖譜。

透過加以組合或分解，用有限的概念表達無限的語意，使得機器可以更容易地進行邏輯推論。不僅可強化AI智能應用(如Chatbot) 對中文語意理解的能力，也可用於各種語意分析工具及中文或華語教學。已有多個產業單位接洽並導入應用。

機器學習、深度學習與資安隱私也是在人工智慧相關研究中的熱門關鍵字。現今有許多透過雲端使用的線上機器學習服務，但資料遭竊取事件頻傳，甚至有透過深度學習重建原圖進行的非法行為。由臺大吳沛遠教授團隊提出之生成對抗壓縮隱私網路，透過非線性技術處理圖片及影片，能夠保留動作識別所需特徵，但避免暴露影片中人物的身分。

該團隊也研發以多方安全計算技術應用於深度學習的圖像分類問題上，用以保護類神經網路，使外界無法得知透過哪些資料進行訓練。此技術適合應用於醫學影像、臉部辨識、虹膜辨識等機密檔案的相關工作。運用這些技術，一方面保有足夠資訊讓業者提供雲端服務，同時能維護使用者的隱私。

在醫療照護場次部分，有多項醫學影像的研究成果已實際導入醫療場域使用。如臺大張瑞峰教授團隊運用深度學習技術開發的全自動乳房超音波乳癌偵測與診斷系統，採用一次性檢查設計，1秒內即可完成一個全自動乳房超音波(300 張影像)的乳癌檢閱程序，較傳統方法大幅縮短閱片時間，並能精確定位乳癌位置及顯示區域並進行診斷，具有95%的正確度。

此外，乳癌診斷準確度亦達89.2%，已具有高度臨床價值。而臺大黃升龍教授團隊則透過結合深度卷積神經網路及三維細胞級斷層影像，可以即時分析活體細胞核的形貌及統計資訊、標註真皮表皮交界處、可將OCT影像轉換以模擬切片染色影像，協助病理診斷。由該團隊技轉所開發出之台灣原創高解析活體光學影像系統(ApolloVue S100)，具有極高的三維解析度，可即時呈現人體皮膚之完整表皮層及上真皮層結構，並結合智能影像導引快速切換橫切面或縱切面影像模式，已獲美國FDA 二類醫療器材以及台灣TFDA第二級醫療器材認證。相關電腦輔助偵測/診斷系統可以提供即時診斷參考，進而降低人為疏失，協助醫師提供即時且更精準的診斷。

 

 

上圖：黃升龍團隊以「高解析活體光學同調斷層掃描儀」獲頒第17屆國家新創獎。

臺大AI中心與轄下31個團隊執行科技部AI創新專案已四年，不論在學術研究、國際合作，與產業應用面都繳出亮眼成績，並致力於連結學研界人才、技術與實際產業應用，促成跨領域、跨單位、跨國際的多元合作。若您考慮導入AI技術、進行數位轉型、開發AI應用，或取得學研AI技術授權、尋求學研團隊合作，可以聯繫臺大AI中心。歡迎到臺大AI中心官網、照護子中心官網，進一步了解團隊的研究成果。

 

恭喜李宏毅副教授榮獲中華民國第 59 屆十大傑出青年選拔獎＜科學及技術研究發展類＞

/in ,

恭喜李宏毅副教授榮獲中華民國第 59 屆十大傑出青年選拔獎＜科學及技術研究發展類＞

在教學和研究上貫徹AI for AII的信念，華人世界影響最多學子的AI傳道者，線上教學內容打破語言與時空限制，讓AI聽懂世界上所有人的語言。

相關連結

JCI TOYP Taiwan 中華民國十大傑出青年選拔委員會

中華民國第59屆十大傑出青年選拔結果公布

 

 

【媒體報導】你現在有多痛 AI機器人看臉就知

/in ,

你現在有多痛 AI機器人看臉就知

📌日期 : 2020.12.19
📌原文連結

「你現在有多痛？」走入急診室，滿間都是哀嚎的患者，但光是做檢傷分類往往就要耗去許多時間，台大率全國之先，找來機器人進駐急診室幫忙，機器人透過觀察患者臉部的表情線條、臉色，來判讀疼痛指數，最快2分鐘內就能完成，幫忙解決急診室壅塞困境。

依臉部扭曲線條、唇色判斷

全台每年急診就醫件數從2006年568萬件增加到2016年689萬件，突顯急診壅塞問題越來越嚴重。台大醫院急診部與台灣大學資工系合作，發展出人工智慧的電子化檢傷系統，以人臉辨識判斷疼痛指數。

台大醫院急診部主任黃建華表示，急診檢傷分類須看心跳、血壓、體溫，也要看疼痛，若疼痛超過8分就要自動升一級。疼痛有兩大意義，除了表示病人很希望趕快改善不舒服，也可能顯示身體疾病嚴重，醫護人員必須幫忙提高病人的舒適度，也要快速瞭解他病況的危急性。

急診醫學部王暉智表示，過去檢傷分類，需靠資深優秀的護理師才有辦法，但若遇到人多繁忙，就會有精神狀況不好或是疏忽的時候，靠機器人協助，則能降低疏漏風險，提高病人安全，藉此警示醫護人員，優先處理緊急的患者。

機器人要怎麼判斷疼痛指數？王暉智說，可從患者有沒有愁眉苦臉，例如臉部扭曲線條、嘴唇顏色、或是臉部是否蒼白等表情細節來辨識，同時分析病人主述、病例、生命徵象的資料，經過深度學習模型，自動產生疼痛指數及檢傷分類的建議。

未來台大醫院的智慧急診願景，更希望能做到機器人也能主動看病、與患者對話、判讀Ｘ光，提供醫生加速診斷加速了解病人病況是否建議出院、緊急事件準確預測，希望可以改善急診流程，都能夠縮短時間而且判斷更正確，推動智慧急診的方向。

衍生醫學倫理 待立法規範

不過，AI衍生出的醫學倫理與法律層面問題，還有很多有待釐清與立法規範，例如在診療過程出問題的時候，到底是醫師、醫院、還是系統研發者的責任？台大也表示，國內也須因應AI時代來臨，加快立法腳步。

發佈日期 : 2020/12/19

發稿單位 : 中時新聞網

 

 

【媒體報導】台大發展「智慧急診」 電子檢傷只要2分鐘

/in ,

 

台大發展「智慧急診」 電子檢傷只要2分鐘 (自由時報 2020/12/3)

「台大醫院與台灣大學發展「智慧急診」系統，台大資工系教授傅立成、台大醫院急診醫學部主任黃建華、台大醫院急診醫學部醫師蔡居霖共同研發電子檢傷系統，透過人臉辨識，就能進行檢傷中的疼痛分類，準確率達8成以上，預計該系統最快會在2022年正式導入台大醫院急診室。」
📌日期：2020.12.03
📌原文連結

台灣醫療科技展 台大擬將AI導入急診診斷 (中央社 2020/12/3)
「人工智慧導入醫療診斷已成國際趨勢，台大醫學影像與數據人工智慧實驗室（MeDA）主持人王偉仲與台大急診團隊研發出「PXR即時危險自動偵測系統」。王偉仲說，急診患者正因情況緊急，醫師必須在短時間內消化大量資訊、做出診斷，但以往光是照X光到判讀完畢，至少就得花40到60分鐘。
王偉仲指出，未來有了這套系統，醫護人員只要利用可攜式X光機拍下患者影像，就能透過無線網路直接傳送到醫師隨身攜帶的行動裝置，同時透過AI判讀是否為鼻胃管、氣管內管、中央靜脈導管錯置，還是有肺結核、氣胸或肺炎，讓醫師診斷更快更精準，預計明年中旬前將導入臨床使用。」

✅黃建華主任研究團隊計畫介紹：
http://mahc.ntu.edu.tw/research_view.php?id=18

✅王偉仲教授研究團隊計畫介紹：
http://mahc.ntu.edu.tw/research_view.php?id=5

【媒體報導】台灣醫療科技展 聚焦防疫、AI、細胞治療3亮點

/in ,

台灣醫療科技展 聚焦防疫、AI、細胞治療3亮點

📌日期：2020-12-03
📌原文連結

台灣醫療科技展登場，聚焦科技防疫、人工智慧及細胞治療。新光醫院運用科技監控疑似個案生理參數，降低醫護感染風險；花蓮慈濟宣布展開脊損患者細胞治療，患者可望擺脫輪椅。

2020年台灣醫療科技展在南港展覽館登場，由550個機構與企業、150個新創團隊攜手展出醫療健康新科技，綜觀全台各大醫院展區，主要聚焦在科技防疫、人工智慧及細胞治療3大亮點。

科技防疫方面，新光醫院導入非接觸式生理照護系統，可即時監測病人心跳、體溫等健康狀況。新光醫院副院長洪子仁表示，今年武漢肺炎（2019冠狀病毒疾病，COVID-19）疫情延燒以來，所有疑似個案都須收治在隔離檢疫病房，醫護人員為了替病人量體溫、給藥，一天至少要進出病房12到15次，每進出一次就得耗費一套約千元的隔離衣。

洪子仁說，3月導入這套系統後，系統會自動監測病人心跳、體溫，一旦有異常也會發出警訊，將進出病房次數降至6到7次，若病人離床時間過久也能即時發現，避免發生意外，並降低醫護人員感染風險。

疫情期間，各大醫院不得不耗費大量人力，管理病人旅遊史、訪客實聯制、監測體溫與口罩等，因此台北醫學大學附設醫院12月啟用「零接觸智慧防疫自助機」，協助醫療院所完成第一線門禁管制功能。

因應疫情期間遠距醫療需求，彰化員榮醫院以5G智慧眼鏡替蒙古弱勢病患進行遠距醫療，讓遠在台灣的醫護人員可以透過蒙古醫師第一人稱視角，了解患者狀況，並協助做出診斷，預計年底將運用5G智慧眼鏡，以視訊方式進行台蒙義診、會診及醫療會議。

人工智慧導入醫療診斷已成國際趨勢，台大醫學影像與數據人工智慧實驗室（MeDA）主持人王偉仲與台大急診團隊研發出「PXR即時危險自動偵測系統」。王偉仲說，急診患者正因情況緊急，醫師必須在短時間內消化大量資訊、做出診斷，但以往光是照X光到判讀完畢，至少就得花40到60分鐘。

王偉仲指出，未來有了這套系統，醫護人員只要利用可攜式X光機拍下患者影像，就能透過無線網路直接傳送到醫師隨身攜帶的行動裝置，同時透過AI判讀是否為鼻胃管、氣管內管、中央靜脈導管錯置，還是有肺結核、氣胸或肺炎，讓醫師診斷更快更精準，預計明年中旬前將導入臨床使用。

國泰醫院則在急診導入敗血症智慧決策作業系統，透過病人生命徵象、查核表，算出敗血症引發器官衰竭風險，據醫院統計，導入這項AI系統後，可將病人總住院時數從240小時降至228小時，急診敗血症病人死亡率從18.5%降至5.7%。

很多人就醫面對醫師一連串衛教後，回到家常不知如何向家人再說一遍，林口長庚醫院眼科開發出「AI智慧語音衛教」系統，透過遠距平台強化衛教溝通。

細胞治療方面，花蓮慈濟醫院院長林欣榮宣布獲衛生福利部核准，將針對脊髓損傷患者展開自體骨髓間質幹細胞治療計畫，根據國外臨床試驗，有高達50%機會幫助全癱患者，讓脊損患者有機會擺脫一輩子坐輪椅的命運。

高雄醫學大學附設醫院近來建置南台灣首家細胞治療中心，病人不必再遠赴外縣市或國外求醫。

【媒體報導】AI研究中心跨界交流，AI技術應用百花齊放

/in ,

AI研究中心跨界交流，AI技術應用百花齊放

📌原文連結

臺灣邁入AI元年之後，AI技術成果豐碩，跨界交流、產學合作，AI研究能量齊發。科技部四大AI研究中心的72個AI研究計畫，AI技術及應用百花齊放。

📌原文連結

臺灣瘋AI！AI技術研發實力，打造AI生態系

 

臺灣AI元年後，催生AI技術蓬勃發展。後疫情時代，臺灣搭上世界AI浪潮，接下來，將是產業界借力學研能量，讓AI技術落地應用的好時機。

【媒體報導】把握黃金搶救時間！以AI打造未來急診室，改善急診壅塞現象

/in ,

把握黃金搶救時間！以AI打造未來急診室，改善急診壅塞現象

📌日期：2020.11.30
📌原文連結

想像一下未來的急診室，病患一進到急診室後，醫師就收到病患的過去病史、來醫院前的救護處理步驟，即時偵測生命徵象是否危險。接著，醫護團隊為病患量測和檢驗體溫、血壓、X光、血氧等生理資訊，結果出爐後，電腦自動顯示醫學判斷建議，醫師快速掌握病患的病況，在最短的時間內初步治療。

系統持續追蹤病患的情況，需要住院者以最快速度移至空病床休養，已經能出院者亦可即時收到出院通知。減少病患大量等待的時間，得到醫護團隊更精準的醫療照顧，更減輕醫護團隊負擔，讓醫病關係更加友善。

臺大醫院急診部

導入AI使得就醫流程更加順暢

要改善急診壅塞現象，就醫流程暢通無阻，急診室必須採用智慧急診模式，背後的關鍵就是AI！

根據美國疾管局的資料，約50％醫院急診部皆遭遇急診壅塞、醫護資源不足以應付的窘境。然而在臺灣亦有同樣的景況，臺大醫院急診室長年面臨急診壅塞現象，早已超過醫護團隊的負荷，導致病患就醫流程不順，等待時間過久，醫護團隊勞心勞力，在極短時間內就要做出診斷決策，形成惡性循環。此外，急診室往往面臨無法適當監控病情的非預期事件，例如不預期心跳停止，或是在入住加護病房、急診過程中死亡等現象，急需急診警示系統。

「急診很需要AI！」臺大醫院急診醫學部部主任黃建華指出，急診室有資訊化系統，但在時間緊湊的情況下，病人診斷千百萬種情況，醫師要在五分鐘內判斷病患的情況，挑戰很大。他說，「人腦記不得這麼多資訊，但AI可以。AI能整合大量資訊，提供急診醫師輔助決策建議。」

智慧急診能節省時間、有效利用空間、改善病患就醫流程，透過病患身上佩戴的手環所蒐集到的生理資訊，結合監控系統和護理師輸入的資訊，例如護理師註記「血壓低」、「臉色蒼白」，AI就能根據現有資訊快速分析，把可能的疾病風險標示出來。

臺大醫院急診醫學部部主任黃建華指出，「透過AI，能整合大量資訊，提供急診醫師輔助決策建議。」

臺大醫院急診醫學部副主任及督導楊蓓菁亦分享護理實務經驗，過去護理師得手寫病歷及手寫核對藥單，並手動將病患的血壓、體溫等生理資訊輸入系統，但實務上可能因忙碌而未即時輸入資訊，也可能有輸入錯誤的情況。

有了AI幫忙，量測完生理資訊後直接上傳，醫師即時收到訊息，再透過醫護溝通平台即時聯絡，結合臨床檢視系統，危急情況自動發訊息給主治醫師，醫師就能立刻治療處置。楊蓓菁副主任指出，「AI讓急診過程能被醫護人員掌控，縮短病患就醫流程，醫護人員將能有更多時間與病患溝通及衛教。」

臺大醫院急診醫學部專任主治醫師王暉智分析，臺大醫院資訊系統行之有年，2008年之後全面電子化，系統早已設置許多防錯機制，例如藥物劑量異常警示，或可避免護理師重複給藥。

然而，要做到智慧急診模式，系統需要具備思考邏輯和判斷能力，要讓AI進一步學習資深醫師的醫學判斷及敘述病情的方式，才能協助醫師做更好的判斷。

臺大醫院急診醫學部副主任及督導楊蓓菁指出，「AI讓急診過程能被醫護人員掌控，縮短病患就醫流程，醫護人員將能有更多時間與病患溝通及衛教。」

打造智慧急診流程五大關鍵

打造智慧急診流程，到底要怎麼做呢？科技部補助人工智慧技術暨全幅健康照護聯合研究中心（簡稱臺大AI中心）攜手臺大醫院急診醫學部主任黃建華醫師團隊及華碩，透過Capstone計畫打造智慧急診模式。

智慧急診流程中包含五大關鍵：

1、急診就診時，透過AI強化急診流程中的電子化檢傷，用更多儀器輔助，讓急診檢傷更加精準、即時。

2、急診診治暫留期間，快速分析病史，用電子醫療病歷結合AI，發展有效預測模式，整合病患過去病史，在醫師問診完後，系統自動提示可能的疾病。

3、即時危險辨識，從病患來診及暫留階段，綜合病患特性、過去病史、主訴、此次就診病情、生理指標、檢驗數值報告等資訊，以AI分析預測，例如病患是否有心跳停止的可能性，即時警示醫師注意病患，降低病患安全風險。

4、及早安全離部，預測病患經治療後，是否能離開急診，轉至一般病房，以及多久能出院。藉由AI技術輔助，可減少病患於急診停留的時間。

5、針對不預期緊急事件發送早期警示，建構心跳停止事件的預後評估與治療建議，例如不預期心跳停止，或是加護病房住院及急診中死亡等特定緊急事件的評估與建議。

目前AI醫療團隊已取得臺大醫院總院區、新竹及雲林分院的多中心資料進行分析驗證，並將串接醫療作業系統，能即時取得資料，準備進行臨床研究計畫，接下來希望能讓警示系統全面上線。

串連醫療數據大挑戰

事實上，醫療業發展AI，並非易事。串聯龐大醫療資料的過程中，面臨許多挑戰。黃建華主任指出，「智慧急診模式，是臺大醫院內橫跨時間最久、也最大的資料集！」如何安全分享醫院資料，又能得到AI分析結果，是一大挑戰，「目前沒有落地應用的產品，智慧急診模式正在幫臺大醫院和後人舖路。」

「我們的挑戰是資料量很大，但卻只能解決一點點的問題！」黃建華主任坦言，相較於心跳、血壓等結構化資料，臨床上有許多非結構化的片段資料，例如：頭痛、拉肚子…等等的描述性詞彙。AI如何判讀，是判斷症狀嚴重程度的關鍵。

王暉智醫師表示，急診室常見的疾病診斷約有1500至1800種，其中100種診斷就佔了80％，剩下20％診斷的資料量不夠，AI就很難有效學習。他進一步指出，「多種類型的資料，才能讓AI學會判斷多樣性的變化！」一開始臺大醫院急診醫學部將AI結合醫療系統，只是要解決流程的問題，例如急救救護系統、超音波教學等，但當時只針對各別功能開發，對整體急診運作的影響不大。

王暉智醫師分析，要改善智慧急診模式，還需要串連病患進急診室之前的資料，例如消防局的救護車，或是民眾自己記錄的健康資料。如此才能有效改善醫療流程，系統性地改善急診體系的運作，更有賴政府和各界一同努力。

隨著醫學進步發達，縮短就醫流程、增加醫護團隊方便性、提升病患安全的要求也越來越高，亦是臺大醫院急診室搭上這波AI醫療潮流的最大原因。未來，希望能用物聯網裝置，結合醫院影像資料，打造智慧急診應用場域。

臺大醫院急診醫學部專任主治醫師王暉智分析，要改善智慧急診模式有賴政府和各界一同努力。

當AI進入急診室，將產生無限可能。未來急診室的美好想像，也將引領醫學界邁向AI革新浪潮。