AI趨勢周報第113期：5分鐘就完成！中國附醫用NLP和電腦視覺自動產生癌症治療報告

重點新聞(1206～1212)

中國附醫    自然語言處理    電腦視覺  

5分鐘就完成！中國附醫用NLP和電腦視覺自動產生癌症治療報告

中國附醫展示自家新開發的癌症評估AI系統，結合自然語言處理（NLP）和電腦視覺，可根據大腸癌和子宮頸癌患者的醫療影像，找出特徵點並利用NLP，5分鐘即可生成初步診斷報告，再由放射腫瘤科或核醫科醫生審核。同時，系統也會根據病患接受首次治療的資訊，來建議合適的療法，比如放射治療、化療、細胞治療或標靶藥物治療，可細緻到特定藥物推薦。

進一步來說，當患者接受第一次癌症治療後，中國附醫會請患者拍攝醫療影像，來檢測治療效果，而AI系統會根據影像特徵，來推估患者狀態，比如移轉機率、復發機率、死亡機率、復原機率，同時利用NLP產生基本報告，再由放射科醫生進行更完整的報告，節省原本人工所需的30-40分鐘，讓醫生有更多時間，來與患者解釋合適的治療方法與效果。這套系統也已在院內研究測試，而在推廣上，中國附醫指出，這套系統可透過遷移學習，來訓練其他癌症的判讀模型，推廣到其他癌症。

國家災害防救科技中心     最佳路徑     AI  

水災爆發怎麼逃？國家災防中心發表最佳疏離路徑AI功能，將整合LINE官方帳號提供

國家災害防救科技中心日前展示自家最新打造的水災避難所最佳路徑的AI功能，透過整合中央和地方政府資料，能在洪水氾濫時，利用演算法來規畫民眾所在地到附近避難所的最佳路徑，並且能即時避開封閉的道路，即時調整路徑。中心研究員進一步解釋，該功能的演算法是以最短路徑為基礎，要是行進中偵測出道路臨時封閉，就會重新規畫另一條最短路徑。

此外，由於臨時避難所收容人數等資訊由地方政府管理，明年，災防中心也計畫與各縣市政府推廣，要介接更多資訊，整合至災防中心的LINE官方帳號，方便民眾在水災來襲時，有更多資訊輔助撤離。另外，災防中心LINE官方帳號中，已新增Google地圖的AR導航功能。（詳全文）

  長庚醫院     微生物特性    對症下藥  

長庚醫院用AI揪出致病細菌，不僅省時更能對症下藥

林口長庚醫院日前於2019年醫療科技展上，展示自家打造的質譜儀微生物特性鑑定AI，可快速辨識感染疾病的微生物特性，進而找出抗藥性，讓醫生能依此對症下藥、給予正確的抗生素來治療，準確率達90％以上。

開發這套系統的林口長庚紀念醫院檢驗醫學部主治醫師王信堯指出，一般治療感染疾病的病人，通常要先透過儀器檢驗，比如痰，從中找出致病細菌，再根據細菌的抗藥性來開藥。但是，這個過程通常需要3-5天時間，所以，醫生得在病患就診當下，先憑經驗開藥，待檢驗結果出爐後，再針對致病微生物另外開藥。

為了縮短正確開藥時間，王信堯團隊自2年前開始，就利用自家檢驗儀器質譜儀分析的50萬筆蛋白質資料，來設計、訓練AI演算法，來從上千個蛋白質特徵中，判斷細菌種類、找出合適的藥物。現在，醫生只要將質譜儀資料上傳，系統就能快速判斷出致病細菌，以及該用或不該用何種藥物治療。這套系統目前已於內部測試，預計明年進入臨床階段。（詳全文）

  Netflix     資料科學框架    Metaflow  

Netflix開源內部Python資料科學開發框架Metaflow

Netflix鎖定資料科學家的開發需求，釋出內部專門設計的應用開發框架Metaflow，除了可讓使用者靈活開發模型外，也與AWS服務整合，可快速存取在S3上的資料、使用SageMaker機器學習服務。

Netflix指出，Metaflow框架已在內部使用兩年，用來開發數百個資料科學專案，包括自然語言處理和操作搜尋等。Netflix表示，Metaflow是要縮短模型進入生產部署的時間，加速迭代和除錯，來滿足資料科學家的需求。Metaflow是一套簡單的Python函式庫，資料科學家可將工作流程表達為有向無環圖（DAG）。另一方面，Metaflow整合了AWS服務Amazon S3，可自動產生其中所有程式碼和資料快照。（詳全文）

  AWS    Java       深度學習  

AWS釋出Java深度學習開發框架DJL

AWS開源Java語言的深度學習函式庫DJL（Deep Java Library），開發者可利用高階API，來開發、訓練和執行深度學習模型。AWS解釋，DJL是要讓企業也能用原本熟悉的程式語言Java，來建立和訓練深度學習模型。

DJL以原生Java概念，建立在現有的深度學習框架上，透過簡單的API，來降低開發深度學習模型的複雜性，並提供一組預訓練模型，讓用戶可快速將深度學習技術整合到Java應用程式中。DJL可用於各種案例，像是零售業用來預測客戶需求，或是提供聊天機器人服務，甚至也能在汽車工業發揮作用，可導航自駕車或找出產品缺陷等。（詳全文）

  IDC    AI融合    透明化  

IDC預測：2020年AI將融合式發展

市場調查機構IDC針對臺灣ICT市場發表預測報告，指出臺灣將進入數據驅動的轉型2.0時代，AI則是加速轉型的重要原因。IDC認為，AI將朝融合式發展，也就是在資料、演算法和流程三個層面融入新元素。比如，資料分析來源從靜態的歷史資料，轉為融合動態即時情境，像是加入影音串流資料等，來提升AI預測能力。

至於演算法，則從單一功能導向，轉變為情境式導向，融合分析情境的變因，像是交通監控除了辨識車輛車牌，也需辨識車速、即時天氣等，讓演算法的執行結果更為精準。再來，AI分析應用流程，將融合透明化與自動化，來定義流程，掌握使用情境和資料收集類別等，打破業務單位與開發單位的資料不透明隔閡。（詳全文）

健檢大數據    冠心症     長庚醫院  

健檢病歷大數據揪出冠心症傾向，提早數年來防範

長庚醫院日前展示自家開發的冠心症預警AI，利用數十年20萬筆健檢、病歷資料，來訓練機器學習模型，可提早數年看出冠心症傾向，讓民眾即早治療，預防憾事發生。

冠心症是導致猝死的主因，通常是長年生活習慣不良演變而成。林口長庚紀念醫院檢驗醫學部主治醫師王信堯與同事運用長庚醫院過去十年累積的20幾萬筆資料，包括接受心血管標誌篩選套組的成年人電子病歷資料與臨床資訊，像是性別、年齡、身體質量指標、高血壓病史、糖尿病史、血脂、糖化血色素、微白蛋白等近20項病理資訊，來訓練一套冠心症預警系統，可根據民眾健檢數值，來預測未來數年罹患冠心症的風險，進而給予相關建議和療法等。這套系統已於院內測試，準確率維8成，也已取得中華民國專利。

AWS    程式碼     運算資源監控  

AWS推出自家程式碼導師服務CodeGuru，替用戶揪出浪費運算資源的程式碼

AWS推出程式碼導師服務CodeGuru，可自動審查程式碼、找出程式碼中最耗費運算資源的部分，並提供最佳寫法建議。CodeGuru包含了可靜態分析程式碼的Reviewer，以及動態分析程式的Profiler，其中，CodeGuru Reviewer以規則探勘和監督式機器學習模型訓練而成，可偵測AWS API和SDK的使用狀態、找出潛在問題，比如缺失的分頁或批次操作中的錯誤處理。

而CodeGuru Profiler則提供優化建議，揪出最耗費CPU資源的程式碼，並提供修復建議。比如，Profiler可找出過度執行的日誌紀錄，或是過度重建耗費資源的物件等問題，並提供建議，讓用戶修改程式碼來降低CPU使用率。（詳全文）

攝影／王若樸

圖片來源／AWS、Netflix、國家災害防救科技中心

 AI趨勢近期新聞 

1. AWS推出專為機器學習設計的開發環境SageMaker Studio

2. AI也會讀空氣！臉書發展可理解遊戲隊友意圖的AI

3. IntelliCode獲OpenAI GPT-2模型強化，現可提供全行程式碼完成建議

4. 北市聯醫聯手工研院打造傷口遠距照護App，靠AI自動計算傷口面積輔助醫生遠距看病

資料來源：iThome整理，2019年12月