Google用自建的醫療AI基準測試MultiMedQA和人工評估框架,來衡量自家Flan-PaLM模型和Med-PaLM模型表現,發現Med-PaLM產出的長篇答案,有92.6%符合科學共識,與臨床醫師的92.9%相當。

圖片來源: 

Google

重點新聞(0701~0715)

Google   生成式AI   Med-PaLM 

Google醫用生成式AI準確率92.6%與臨床醫師相當,成果登上Nature

權威期刊Nature在7月12日刊登Google研究成果,聚焦醫用生成式AI模型進展,經臨床醫師評估,Google醫用大模型Med-PaLM產出的長篇答案,有92.6%符合科學共識,與臨床醫師的92.9%相當。

Google指出,大型語言模型雖已蓬勃發展,但臨床應用門檻很高,且要評估模型臨床知識是否足夠,還得仰賴自動化又不全面的基準測試。為此,Google先自建一套基準測試MultiMedQA,涵蓋6大醫學QA資料集,包括專業醫學、研究、病人詢問,以及一套線上醫療問題搜尋資料集HealthSearchQA。接著,Google建置一套人工評估框架,指標涵蓋事實程度、完整性、推理能力和可能的傷害與偏見,來讓專業人士評分模型表現。

後來,團隊用MultiMedQA來評估5,400億參數的PaLM模型及其衍生模型Flan-PaLM,雖然後者在各項評測都達到SOTA水準,甚至在美國醫療執業類型題庫MedQA達到67.6%,比時下最佳模型高出17%,但在回答病人醫療問題時,表現差強人意。為解決問題,團隊用指令提示微調方法,打造醫療專用模型Med-PaLM,且在多個領域表現優秀。比如,臨床醫師小組評分,Flan-PaLM產出的長篇回答,只有61.9%符合科學共識,而Med-PaLM則是92.6%,與臨床醫師的92.9%相當。此外,29.7%的Flan-PaLM回答被評為可能有害,但Med-PaLM只有5.9%,與臨床醫師的5.7%相似。Google指出,雖然這些結果很有潛力,但醫療領域複雜,需要進一步評估,特別是在安全性、公平性和偏差部分。(詳全文)

 國科會   高齡科技   產業 

國科會揭高齡科技產業行動計畫策略

日前,國科會主委吳政忠揭露高齡科技產業行動計畫,來因應臺灣將在2025年步入超高齡社會、成為全球老化速度最快的國家之一。該計畫涉及國科會、經濟部、衛福部、數位部、內政部、教育部、原民會和文化部等8部會,要用科技提升高齡照護效能、培養長者數位學習能力,並強化長者與社會連結,同時帶動高齡科技產業發展。

進一步來說,該計畫的推動組織為國科會科技辦公室和高齡科技產業發展專家委員,由前者擔任幕僚,後者負責諮詢,來推動市場經濟、擴大數位賦能、提升照顧效能和優化高齡生活等4大目標。就第1項來說,發展策略是要對接高齡科技產品和服務供需,並完善產業發展,第2項則是要推動數位學習、整合服務場域應用,最後2項是發展照顧者輔助產品、完善高齡生活整合服務。國科會強調,該計畫瞄準普惠科技、場域應用、社會參與、產業發展等面向,要實際落地高齡科技產品和服務,用科技優化銀髮族生活日常,並放大產業效益。(詳全文)

衛福部   次世代HIS   IoT 

衛福部揭次世代HIS平臺架構雛形,還要建醫療器材平臺串IoT資料

衛福部資訊處處長龐一鳴在7月8日一場研討會上,揭露更詳細的次世代數位醫療平臺架構雛形圖,由容器化底層(IaaS)、共用中間層(Common PaaS)、由IT中臺和數據中臺構成的中間平臺(Middle Platform),以及應用層組成。其中,底層涵蓋網路、儲存、運算、安全和監控等模組,共用層包含各類醫療標準,不只有國際疾病分類編碼ICD-10,還有未來要導入的國際檢驗檢查編碼LOINC和臨床術語編碼SNOMED CT。此外,共用層還有醫療流程中的通用機制,如身分驗證系統、訊息交換系統、ETL系統、資料庫等。

往上一層則是數據中臺和IT中臺,數據中臺包括資料湖、報告系統和資安分析系統,以及大數據分析和AI處理,IT中臺則有效能測試工具、DevOps工具和安全測試工具等。再來是應用層,包含各類HIS相關系統,如護理系統、病人管理系統、病床系統,以及各類行政系統。未來,應用層的運作方式會是呼叫次世代HIS平臺功能,來執行相關應用。

另一方面,衛福部也要打造醫療器材平臺,來用閘道器(Getway)串接醫院IoT設備資料至次世代數位醫療平臺。不過,下一步,衛福部將與醫學中心、地區醫院等醫療機構和SI業者討論,架構雛形很快將會依據第一線需求來更新。(詳全文)

 北榮   雲端   容器化 

北榮揭露今年用雲策略,還要將5套系統先容器化

臺北榮總揭露今年用雲方向,不只要用公雲服務優化流程,還要完善容器化環境,更選定5套系統先練兵。就用雲來說,臺北榮總資訊室主任郭振宗指出,北榮瞄準公雲服務,用公雲架構來打造管理儀表板,方便高層隨時隨地掌握醫院動態,不受地理位置限制。另一個例子是採用語音轉文字API服務,比如用來驅動護理語音記錄功能,此外,北榮IT最近還評估公雲Email服務,要讓使用者更有彈性地存取郵件。不只如此,北榮還規畫,遠距醫療、精準醫療(如基因服務平臺)等領域,甚至也採用公雲服務來使用生成式AI功能。

另一方面,IT現代化也是北榮重要的年度工作。今年,他們要建置完整的容器和K8s平臺,包括開發、測試和正式上線的環境平臺,同時還要完成5個周邊系統的容器化,如行政類的押標金管理系統、預算管控系統,以及醫務類的住院管理、個案管理和排程系統。這些系統獨立性高,適合IT團隊練兵,不只可善用容器技術來提高系統可用性和穩定性,也可用來學習系統容器化後可能的問題與解法。(詳全文)

 新加坡  IHiS   Secure GPT

新加坡衛生部要開發Secure GPT來產出洞察、自動執行任務

由新加坡衛生部成立的國家級醫療IT公司IHiS日前與微軟簽署MOU,要用Azure OpenAI服務來發展醫療專用Secure GPT,來幫助醫護人員產出醫療洞察、自動執行特定任務。

不只是Secure GPT,該MOU還有5大發展重點,首先是學習探索,IHiS和微軟將透過微型會議等方式,來強化醫療參與者對生成式AI和雲端的知識與技能。再來是創新全周期的合作,涵蓋發想、取得資格、孵化、發展、部署和擴大落地等環節。接著是使用Azure雲端服務和安全技術,大規模優化、自動化和現代化公衛醫療IT與安全基礎設施,讓公家醫療機構使用安全雲平臺的進階分析和AI。另一個是利用Azure資料平臺和Azure OpenAI服務來改善臨床和營運洞察,利用生成式AI來打造符合需求的應用程式、提高工作效率。最後一項是運用Microsoft 365雲端工具,來優化醫院協作。(詳全文)

牙科   生成式AI   牙位圖 

臺灣牙科新創用生成式AI打造牙科HIS服務

生成式AI產業用例再添一例,7月2日,專攻牙科醫療資訊系統(HIS)的牙科新創台灣牙e通揭露生成式AI新服務dentall.ai,用GPT-4、GPT-3.5等大型語言模型優化牙科HIS,使用者可直接在HIS頁面,快速查詢健保申報資訊、建議代碼、常用組合和申報建議,甚至還能根據病歷資訊,來生成牙位圖和治療建議。

該服務採外掛形式,目前為Beta版,開放醫師公測,現支援Chrome和Edge瀏覽器,接下來還會擴大到Safari、Firefox等瀏覽器。台灣牙e通創辦人暨執行長陳欽章透露,團隊瞄準海外市場,接下來要推英文版系統,還要新添更多功能,如AI自動排班、自動化預約和更彈性的牙位圖與內容生成。(詳全文)

 AT&T   邊緣運算   遠距急救 

美國最大電信AT&T調查:今年醫療邊緣運算聚焦遠距急救

美國最大的電信業者AT&T日前發布醫療邊緣運算報告,有別於去年單純的遠距照護服務,今年,醫療邊緣運算聚焦遠距急救照護,2個代表案例為在宅醫療和無人機/機器人的使用。

報告指出,醫院希望透過遠距醫療和急救人員來加速診斷、為患者提供基礎緊急照護,並透過無人機和機器人來消毒病房、提供所需物資,報告稱,這是醫療邊緣運算正在起飛的領域。不過,研究人員也表示,醫院靠IoT設備遠距傳輸資料,也容易出現安全問題。他們建議,醫院可參考5項原則,包括建立邊緣運算發展檔案、制定投資策略、提高合規能力、合理分配資源給新出現的任務,以及提高韌性,以因應動態的變化。(詳全文)

 臺中榮總   重症預測   風險 

臺中榮總揭12項重症預測AI成果

臺中榮總日前揭露重症AI應用成果,打造12項疾病預測模組來即時掌握病人狀況,幫助醫護快速治療重症患者、提高存活率。為開發模組,臺中榮總重症醫學部先是與資訊室建立重症資料庫,收集2015年至2021年的成人加護病房臨床資料,涵蓋24類數值和影像,如病人基本資料、生化數值、輸血醫囑、X光片影像等共7,200萬筆資料。過程中,他們還開發了資料清理自動化工具,來加速資料處理工作。

接著,臺中榮總用這些資料來打造疾病預測模組。他們聯手東海大學AI中心,訓練12項重症預測模組,包括急性呼吸窘迫症候群、急性腎損傷、菌血症、呼吸器拔管、急性呼吸窘迫症(ARDS)、24小時後和72小時後臨床惡化風險、腎恢復預測、出院後30天、90天和一年內存活率預測等,這些模組的AUROC鑑別率都達到8、9成以上。模型完成開發後,臺中榮總也打造疾病管理儀表板,來落地運用。這個重症疾病管理儀表板,涵蓋全院重症床位現況、重要設備(如葉克膜、呼吸器等)使用狀況,以及每位患者的各大疾病預測風險數值,每小時更新病人臨床資料,來供臨床醫護人員快速掌握病情。(詳全文)

圖片來源/Google、國科會、衛福部、微軟、台灣牙e通、臺中榮總

  MedTech醫療科技近期新聞 

1. 自2020年來,RPA替新加坡中央醫院節省5萬小時

2. 生成式AI醫療供應聚落落腳高雄亞灣

資料來源:iThome整理,2023年7月

熱門新聞

Advertisement