2018年Google和泰國公共衛生部醫療服務部合作,由當地11家眼科診所將眼底鏡影像上傳位於Google雲端的AI,同時也實地造訪診所,觀察護士使用AI的情形,評估AI用於不同診所的可行性,並發表研究報告。(圖片來源/Google)

Google投入多項領域的AI輔助判讀醫療影像研究,以判斷糖尿病、心臟疾病、貧血、乳癌等,並宣稱媲美人類醫生。不過根據Google周一公布一項臨床測試顯示,AI要用在實際醫療情境還有許多難題要克服。

2017年Google發表研究成果,宣稱應用電腦視覺技術和深度神經網路演算法,從視網膜眼底鏡圖像中辨識出糖尿病視網膜病變,準確率高達90%,與專業醫師不相上下。2018年底Google宣布和泰國公共衛生部醫療服務部合作,由巴吞他尼(Pathum Than)省及清邁當地11家眼科診所,將眼底鏡影像上傳位於Google雲端的AI,同時也實地造訪診所,觀察護士使用AI的情形,並評估AI用於不同診所的可行性,將研究發表於《部署於診所的糖尿病視網膜病變,以人為中心之深度學習系統》報告

理想情境下AI進行初級影像判讀後,再將可能的影像轉送給眼科醫師,這麼做可以減輕醫師的負擔。但研究發現人員使用出現問題。首先,視網膜影像的擷取和分級流程各診所之間應該一致,但研究人員發現,護士各有自己的作法。此外護士過度相信AI判讀能力,而過早將初級檢測為陽性的案例送交給眼科醫師。

診所的環境也大大影響影像品質的優劣。一些上傳的影像出現模糊或太暗的問題,則AI系統會視之為「不可分級」而拒絕。即使AI接受了,也可能發生誤判情形。而11家診所只有2家有夠暗的攝影場地,能讓瞳孔放大到拍攝清楚的眼底鏡影像。Google坦承未來AI系統訓練,可能需要涵蓋這些面向。

此外,診所網路頻寬也影響影像上傳速度,降低醫療服務。報告提及,有些診所頻寬小而不穩,致使一張影像上傳要花費60到90秒,使檢測速度大減。一家診所還曾因網路斷線數小時,使一天篩檢病患由200人減少為100人。

最後,一些病患並不相信AI能力而拒絕加入測試,他們還是寧願花時間到大醫院。


熱門新聞

Advertisement