影像醫學分析與醫師共挑重擔

成功大學與附設醫院是南部的重要醫療單位,不但為相當大量的病患提供醫療服務,也因此累積了相當多病例與資料。

成大醫院影像醫學部心胸科次專主任蔡依珊說明,成大醫院每年大概會產生3,500萬張各類影像,如果以20人、365天不間斷的方式進行分析,平均每人每天要看過5,000張影像,對醫師來說是極大的負擔。

而導入AI協助後,可以有效降低醫師工作量,並將時間分配給更多病患,而且先前曾有急診患者在檢查主動脈剝離時,由AI發現他有冠狀動脈相關問題的案例,彌補人力檢查造成的缺失。

蔡依珊表示在導入DGX-1後,能將原本需要費時3天的AI訓練縮短至1小時,大幅提升研究效率。有趣的是,她並不期望AI能夠達到超越人類的辨識力,只要能有年輕主治醫師的辨識準確度即可大幅降低醫師工作負擔,而目前成功大學的研究成果能在缺血心肌梗塞有84%的辨識準確度,已達這個水準。

蔡依珊透過DGX-1將AI訓練時間從3天縮短至1小時。

成大醫院每年大概會產生3,500萬張各類影像,極需以AI協助進行分析。

AI能在辨識醫學影像上發揮功效。

目前AI在辨識缺血心肌梗塞已有84%的準確度,成果相當出色。

鎖定山崩時間方能深入研究

成功大學土木工程學系副教授洪瀞則將研究重點放在山崩的研究,為聯合國所提出的永續發展目標而努力。

在過去的研究中,研究團隊雖然能查覺山崩的發生,但卻無法精準鎖定山崩發生的時間,導致無法進一步分析山崩發生的原因。為了解決這個問題,研究團隊借重台灣緊密頻寬地震網的優勢,透過深度學習分析過去重大事件,能夠在儀器的協助下即時、自動、客觀記錄山崩時間,做為研究的重要依據。

有了切確的時間後,研究人員就能定義破壞機制與制定警戒值,藉由DGX-1加速運算作業,讓團隊能在更短的時間內處理更多的數據並進行影像模擬,提升台灣山崩辨識的應用與準確率,並進一步將該技術拓展至全球。

洪瀞透過DGX-1加速運算精確判別山崩的發生時間。

他的研究主題與聯合國永續發展目標契合,相當具有理想性。

山崩的發生時間對是個重要卻不容易取得的研究數據。

超級電腦的運算能力有助於鎖定山崩的發生時間。

研究團隊未來的目標是提升山崩辨識準確率,並將成果分享至全球。

在活動最後蘇慧貞表示,她認為運算在未來會成為和語言相同的一種知能,而學校也有讓社會大眾一同學習的重要使命,對於瞬息萬變的AI領域,成功大學準備了對應的在職進修平台,詳細的資訊有待日後公布。

使用 Facebook 留言

發表回應

謹慎發言,尊重彼此。按此展開留言規則