AdventHeatlh
重點新聞(0716~0731)
AdventHealth AI MLOps
美前段班醫院AdventHealth成立AI諮詢委員會,重要心得是做好MLOps
AdventHealth是美國第15大的體系醫院,旗下有52家醫院、橫跨9州。他們今年成立AI諮詢委員會,要根據安全、倫理、可擴展性和病患福祉等原則來審查AI工具能否落地,委員會成員有醫師、IT、資料科學家和廠商代表,如微軟、Premier和Vizient等。
根據HIMSS旗下媒體Healthcare IT報導,AdventHealth的AI諮詢委員會負責人Rob Purinton指出,委員會審查AI工具的方法採漏斗式思考,先從一個問題陳述開始,再納入AI和非AI解法,最後縮小到1項他們最想採用的工具。其中,他們會考慮原則性問題,比如該工具是否符合醫院願景、在現有技術框架內是否可行,又或是否夠安全、透明、可擴展且可持續評估,且對臨床醫師預期的工作流程,有哪些好處等。
他也表示,隨著美國對醫療AI工具的標準和規格要求越來越詳細,委員會預期,未來對AI工具和廠商的審查流程將更簡單。不過,提到建立內部AI工具最重要的一課,Rob Purinton直言機器學習開發維運(MLOps)很重要,因為做好MLOps,就可避免資料品質出問題和模型漂移等問題,進而確保AI模型日常運作的正常。為做好MLOps,AdventHealth資料工程師和資料科學家正與微軟、Snowflake等廠商合作,來學習、改進內部AI措施。(詳全文)
麻省總醫院 數位轉型 資料互通
美頂尖醫學中心如何推動數位轉型?麻省總醫院內科主任揭第一手經驗
美國頂尖醫學體系麻省總醫院暨布萊根婦女醫院(Mass General Brigham,簡稱MGB)內科主任David W. Bates日前來臺分享數位轉型經驗和進展。一直以來,MGB自建系統來支援日常工作,但隨著數位醫療興起,他們計畫推動數位轉型,首先盤點院內系統、發現系統老舊且資料互通性不足。於是,他們展開評估,若要自建系統、轉換成本太高,於是決定採用現成商用系統,在2016年導入美國市佔率最高的Epic系統至旗下所有醫院和診所。
這麼做雖解決資料互通性問題,但David W. Bates坦言,MGB也有些問題要克服,比如系統難以精煉、臨床決策輔助功能不如舊系統好,需額外採購系統來補強等。不過,商用系統也為MGB日後AI發展打下基礎,能收集大量、標準化的臨床資料,讓團隊建置許多資料庫來供醫護和研究人員即時存取。此外,MGB也利用醫學影像數位化的基礎,打造許多醫學影像AI,不過,David W. Bates也點出目前MGB面臨的挑戰,像是即時AI預測所需的資料串聯、如何運用工具來確保AI產出的洞察,能給正確的醫護人員審閱。
David W. Bates總結,醫院推動數位轉型時,必須投資基礎建設、確保資料互通性,並持續嘗試新技術和創新應用。他也建議,醫院若要找出高成本患者族群、降低醫院成本,可從心理健康狀態、社經地位、婚姻狀態和生活狀態等因子下手。MGB就因此找出這群高成本患者,他們占整體患者人數的5%,但卻耗費醫院50%的支出,MGB也根據這群患者調整措施,來提高成本效益。(詳全文)
新加坡 醫療影像 開發
新加坡國家醫療IT公司更名Synapxe,還打造國家級醫療AI開發平臺
由新加坡衛生部在2008年成立的國家醫療IT公司IHiS,最近在成立15周年之際更名為Synapxe,同時揭露更多醫療AI應用,要給新加坡國內40多家公立醫療機構使用。自IHiS成立以來,就肩負設計、開發醫療IT解決方案的責任,來支援新加坡46家公立醫療機構、7萬多名職員工作,IHiS同時還管理了600個醫療IT系統、8萬多個終端設備。
Synapxe執行長Ngiam Siew Ying指出,他們要用生成式AI和雲端技術,來推動更多解決方案和計畫,其一就是今年7月剛與衛生部展開的Healthier SG計畫,他們用開放式架構和國家醫療資訊網格,來實現跨體系的資料互通和交換,以支援完善的照護。目前,Synapxe也打造了新加坡首個慢性病輔助解釋AI(ACE-AI),該AI採用深度學習演算法,來計算民眾罹患慢性病的早期風險,有助於預防醫學,並計畫在今年底展開全國測試。此外,[Synapxe也建置了新加坡首個醫療影像AI開發平臺AIM.SG,可接受各種類型和來源的醫學影像,來加速AI模型的開發、測試和部署。另一個Synapxe打造的AI系統是藥物遵從性影片分析器(AV-MED),該系統是Synapxe與新加坡綜合診所集團共同開發的原型,透過AI分析影片畫面,來提高患者的服藥性。(詳全文)
CareCloud 雲端 生成式AI
美醫資大廠CareCloud也採用公雲生成式AI服務了
美國醫資廠商CareCloud最近宣布採用Google Cloud生成式AI服務,要來打造醫療系統服務,提供給美國中小型醫院和診所使用。進一步來說,CareCloud本來就採用Google Cloud來協助日常營運,這次要用生成式AI和企業搜尋功能來驅動自家產品,也就是採用Google的全託管機器學習平臺Vertex AI 和生成式AI應用程式建置工具(Generative AI App Builder)的搜尋功能,來打造臨床應用,讓醫師能即時存取資料。
CareCloud說明,他們接下來要推出的解決方案,能在兼顧隱私法規的前提下,同時分析大量患者數據、提出問題,來根據回答得到洞察和基於事實的照護建議。CareCloud舉例,該解決方案適合用於患者進入醫院或診所時,先用生成式AI摘要患者相關訊息,並協助醫師制定照護計畫,包括藥物、實驗室檢驗檢查項目,以及根據患者病史和當下症狀來建議治療程序。而且,該解決方案還能根據建議的診斷、患者保險和其他訊息,來向診所和患者說明保險給付項目與待付金額。(詳全文)
中國附醫 病歷紀錄 生成式AI
口述10秒就完成病歷記錄,中國附醫推醫療生成式AI系統
中國附醫採用微軟生成式AI服務,開發出智海系統(gHi system),是首套以華文建立的生成式語音智慧醫療系統,能根據醫護口述,快速轉換為文字,來完成病歷的撰寫,減少醫護人員輸入病歷75%的時間,讓醫護人員更專注於患者照護。
進一步來說,傳統手寫或鍵盤輸入病歷資訊,不只耗時,還容易出錯。為克服語音轉文字的準確度,中國附醫AI中心找來微軟,利用微軟Azure平臺上語音轉文字服務,辨識口述內容,再用同平臺提供的GPT-4模型,來摘要、分析,提取關鍵資訊,10秒就能自動生成專業醫療術語和建議。中國附醫指出,該應用可用於新病人面談問診、護理語音記錄、住院病歷撰寫、專業檢查報告輸出,甚至還能客製化生成等,大幅縮短撰寫醫療報告的時間。(詳全文)
聯合學習 高雄 智慧醫療
高雄聯合學習智慧醫療聯盟揭亮點成果
由臺灣人工智慧實驗室(Taiwan AI Labs)推動成立的高雄聯合學習智慧醫療聯盟日前展示研究成果,包括高醫附醫副院長黃尚志團隊用AI分析糖尿病人眼底攝影影像與生理數據,來預測腎病變的發生和惡化風險,同時也利用聯合學習平臺收集近萬筆圖像,來訓練模型、統計分析其中關係,來進行連動性預測發病風險,以便醫護及早介入治療。(如下圖)
高雄長庚也是聯盟一員,他們是全臺蒐集腦部中風電腦斷層影像最多的醫學中心,該院放射診斷科副教授林偉哲就透過跨院資料,再用聯合學習平臺打造腦缺血性中風診療預後AI輔助系統,來快速找出需要緊急處置的病人,縮短治療等待時間(如下圖)。
此外,聯盟成員之一的高雄榮總也有相關應用,運用聯合學習平臺來訓練「院前心跳停止早期警示預測AI模型」,來讓急診和重症團隊及早介入治療。(如下圖)
另一個聯盟成員義大醫院則展開骨質密度預測系統計畫,預計要輸出一萬組資料來訓練、驗證骨密度預測模型,要藉此篩選出骨質疏鬆症高風險個案,提供治療來降低脆弱性骨折的發生。此外,義大醫院也要用聯合學習方法打造All-in-One藥物智慧辨識系統,預計要會辨識6千項藥物品項,來輔助臨床醫師和照護團隊準確判斷病人用藥現狀。(如下圖)(詳全文)
AWS 生成式AI 應用程式
AWS推出新服務,用生成式AI加速開發醫療應用程式
7月底,AWS推出醫療專用生成式AI開發服務預覽版Amazon HealthScribe,符合美國醫療安全法規HIPAA,能加速醫療軟體供應商用來打造臨床應用程式。比如,開發者可使用文字識別和生成式AI技術來生成臨床文件,節省醫生時間。此外,醫療軟體供應商可用單一個API,來自動建立臨床記錄、提取文件關鍵訊息(如醫學術語和藥物),並根據醫病對話建立摘要,然後將這些資料輸入到電子健康紀錄(EHR)系統。Amazon HealthScribe由Amazon Bedrock提供支援,讓醫療軟體供應商能更快、更輕鬆將生成式AI功能整合到其應用程式中。在普通醫學和骨科這兩個常見專科,也有醫療軟體供應商開始使用Amazon HealthScribe了,不必自建LLM等基礎設施。(詳全文)
自動化 遠距監測 IDC
IDC:醫院未來2年將加碼第三方技術投資,著重RPM計畫
市調機構IDC和Redox聯手發布一項調查報告《買方心態:臨床主管和IT主管的醫療技術觀點》,該調查訪問全美205位中大型醫院的臨床主管和IT主管,88%受訪者表示,將在2023、2024年增加第三方技術投資,一大原因是要推動數位轉型。進一步來說,調查顯示,超過半數受訪者將數位轉型視為醫院最重要的目標,而部署新IT解決方案的首要目的是更自動化(47%)、降低成本(35%),再來是提高照護品質和病人安全(31%)、將資料作為醫院戰略資產(30%)。
第三方技術投資大宗為自動化工具和遠距照護工具,因為,近7成受訪者認為遠距醫療和其他虛擬照護解決方案,是解決醫護人力短缺的關鍵,另也有6成以上受訪者認為,RPM(遠距病人監測)計畫至關重要,而4成多受訪者認為,自動預約排程工具比過去更有價值。報告指出,43%受訪者已制定RPM計畫或正進行額外投資來推動RPM,另也有55%受訪者指出,他們使用RPM平臺來管理慢性病患,或用來即時警示、進行臨床處置,還有45%受訪者點出,他們打算用RPM來輔助高風險患者儘早出院。甚至,將近8成受訪者表示,在今年結束前,他們將實現5到20個RPM計畫,有些醫院還打算擴大範圍,要涵蓋行為治療。(詳全文)
圖片來源/國科會、臺灣人工智慧實驗室、微軟、IDC
MedTech醫療科技近期新聞
1. 美國國家醫療IT協調辦公室ONC要求醫院使用社會決定因素(SDOH)資料
2. Accenture著手打造紐西蘭國家級一站式健康資料平臺
資料來源:iThome整理,2023年7月
熱門新聞
2024-10-14
2024-10-13
2024-10-13
2024-10-11
2024-10-14
2024-10-11