(上)醫療AI,台灣來得及嗎?|韓廠已賣進台灣 「不能用健保數據」成台灣新創致命傷

(上)醫療AI,台灣來得及嗎?|韓廠已賣進台灣 「不能用健保數據」成台灣新創致命傷
雲象科技執行長葉肇元認為,台灣雖有強大的健保資料庫,卻難以使用而影響智慧醫療產業發展。圖片來源:雲象科技
2020-10-29
文・葉肇元(雲象科技執行長)
23652
由於深度神經網路在影像、文字及語音的辨識能力上,大幅超越傳統演算法,甚至人類,使人工智慧(artificial intelligence,AI)近幾年受到高度的關注。

AI的發展,在許多國家已經被拉到戰略級的高度;AI的醫療應用,也是受到高度矚目的議題,各醫院紛紛成立AI中心,醫界如此熱衷於一項科技的應用,前所未見。

醫療AI,無疑是個重要的新興產業。只是,這個新興產業的機會,台灣還來得及抓住嗎?

為何這樣問?因為新興產業的發展,時間點至為關鍵。越有前景的產業,國際競爭越激烈;及時投入資源、精準制定策略,並在瞬息萬變的環境中快速應變,找到成長契機,才能取得優勢,發展到足夠的規模,在產業的賽道上持續下去。

觀察台灣這幾年整個生態系的發展,要發展醫療AI,台灣還來得及取得國際競爭優勢嗎?我必須很憂心地說,快要來不及了。

為什麼這樣說?因為海外,尤其是韓國AI廠商已攻進台灣市場。幾家醫院開始試用韓國Lunit的X光片AI判讀系統,國泰金控也跟Lunit合作,用AI輔助審閱X光片提升核保效能。

不只如此,國泰金還跟另外三家海外新創公司合作——與美國的Amenity Analytics合作,分析法說會資訊;與印度的ClearQuote合作,用AI辨識車損理賠照片;也與BehavioSec合作生物辨識。

此外,台灣也有醫院開始付費使用美國新創RapidAI的腦中風輔助診斷系統。台灣的AI新創?一點份都沒有!

就醫療影像AI這個市場來說,台灣新創最大的威脅來自韓國。當我們正為台積電打敗三星沾沾自喜,韓國的Lunit和Vuno卻正積極在台灣攻城掠地;以他們的肺部電腦斷層結節偵測,及胸腔X光輔助判讀系統這兩個產品來說,台灣廠商全無招架之力。(延伸閱讀|防疫優等生,產業跑最後一名!韓國試劑全球賣上億美金,台灣為何慢2個月出貨?

雲象科技 智慧醫療 醫療影像 AI雲象科技執行長葉肇元認為,台灣醫療影像AI的最大威脅就是積極發展的韓國。圖片來源:雲象科技

為什麼會這樣?

第一、台灣軟體業本來就不強。

在這種產業背景下,台灣的新創公司得天天深刻反省,多努力加油才行。(關於軟體業的問題,先前我已經有另外一篇文章探討,這邊不再贅述。)

第二、台灣的AI發展策略仍不脫硬體思維;想到AI,第一件事就是想到電腦。

不信的話,Google一下「醫院DGX」(DGX是nVidia推出的AI電腦系統),猜猜會看到什麼新聞?

你會看到許多醫院採購這款天價AI電腦系統的新聞,卻看不到醫院延攬頂尖AI人才的新聞。也就是說,醫院願意花1,000萬買兩台電腦,卻很少用1,000萬聘四、五位頂尖AI工程師。

這讓身為軟體業者的我想掉眼淚。

在國家層級也是同樣的硬體思維。政府用前瞻基礎建設計畫的經費,組建了一台很厲害的「台灣杉二號」超級電腦,但同時是否也找了頂尖人才來使用超級電腦呢?

醫院無法接受「頂尖工程師薪水跟醫師差不多」的這個事實,所以大多由醫師聘助理或博士後研究員在做AI。當然,醫院的本業是解決病患的問題,本來就不適合投入太多資源開發AI,花錢採購AI解決方案就好。所以,問題還是要聚焦在業界及產業環境上。(延伸閱讀|(下)醫療AI,台灣來得及嗎?|軟體是成功關鍵 國家產業策略會議卻由硬體大老發聲

第三、台灣沒有太多可用的數據。

台灣有傲視全球的健保,醫院電子化的程度也非常高,怎麼會沒有太多可用的數據?

打個比方。數據就像原油,原油開採得了,才能進一步被提煉而加值;原油若被埋在鑿不穿的岩層下,就沒有價值了。受限於個資法,台灣的健保數據不能供業界作為商業發展使用;要利用健保數據,只能以產學合作,讓學界帶著業界去驗證已經開發好的AI模型。

更大的限制是,為維護資訊安全,健保局不允許開發人員遠端連線,必須親自到健保局。對於軟體開發來說,這簡直是不可能的任務——難道要把整個軟體團隊搬到健保局去嗎?

所以,健保局雖然花不少錢建立了健保影像資料庫,但台灣的醫療影像AI公司並不能利用這些影像來開發商品。

英國同樣有全民健保制度,政府為促進醫療科技發展,已找出解套辦法,讓學界、業界都能使用健保資料做研發。台灣健保雖傲視全球,但對科技創新的貢獻微乎其微;新創公司只能自立自強,與醫院合作慢慢收集數據。

然而對新創公司而言,慢,是一個致命傷。

醫療AI影像模型,最好是用多家醫院的資料進行訓練和驗證,才能確保其普遍適用性,用單一醫院的資料做出來的AI是不堪用的。然而,新創公司要找多家醫院同時簽約合作,非常困難,是慢上加慢。

所以,國外醫療機構無不設法加速搜集資料。在美國,Mass General Brigham醫療集團(原名Partners Healthcare,旗下最著名的為麻州總醫院以及Brigham and Women’s醫院)成立了臨床數據科學中心(Center for Clinical Data Science),統整旗下所有醫院的資料,以推動創新醫療科技的研發及商轉。

史隆・凱特琳癌症紀念中心(Memorial Sloan Kettering Cancer Center,MSKCC),由於是轉介中心(referral center),也收集了幾百個醫療機構的資料,這對開發醫療影像AI有莫大助益,也因此催生出成功的病理AI新創公司「Paige」。(延伸閱讀|罹癌換跑道 學者獲「AI界諾貝爾獎」:若有AI診斷,我的乳癌就能早兩年發現

史隆・凱特琳癌症紀念中心催生出成功的病理AI新創公司Paige。史隆・凱特琳癌症紀念中心催生出成功的病理AI新創公司「Paige」。圖片來源:截自Paige網站

第四、政府資料庫建置計畫規劃不當。

這其實是上一個問題的延伸。政府不是不想解決資料問題,除了健保署的「健保醫療影像倉儲與人工智慧應用平台建置案」,還有科技部的「醫療影像之巨量資料建立與應用研究專案計畫」(簡稱「巨量醫療影像計畫」),以及「臨床資料庫與AI之跨域開發及加值應用計畫」(簡稱「臨床資料AI應用計畫」);只是今年剛啟動的「臨床資料AI應用計畫」,也有三個致命弱點:

首先,這個計畫是各醫院提案,並非「單一主題、多醫院收資料」;所以每個醫院收集到的資料所做出的AI,都會有缺乏普遍適用性的問題。

第二,這個計畫收集的資料,還是不能作為商業開發用途。

第三,這個計畫採「雨露均霑」的補助模式;每個機構得到的補助不多,要把AI模型做到商品化幾乎不可能。

政府雖希望能透過資料庫的開放發展台灣AI應用,但過程仍充滿挑戰。政府雖希望透過開放資料發展台灣AI醫療應用,但過程仍充滿挑戰。圖片來源:Shutterstock

此外,巨量醫療影像計畫都有個致命的弱點——計畫所建置的資料庫不能作為商業開發用途,所以對新創業者沒有幫助;偏偏計畫執行期間(2017-2020年),就是醫療影像AI發展的關鍵三年。

明年,科技部的新資料庫計畫「健康大數據永續平台計畫」,即將上路;我衷心期盼政府能好好規劃,不過也不敢抱太大期待——因為對新創公司來說,這個資料庫的建置為時已晚——韓國跟美國的醫療影像AI產品都已賣進台灣,日本的也即將賣過來了。

這個計畫為期四年,需要政府幫忙才能存活的新創,在國際競爭壓力下,可能活不到那時;而能活到那時的新創,因為自行收資料的速度夠快,所以也不太用得到這個資料庫。最後,究竟還有多少公司用得到這些資料呢?(延伸閱讀|深度專題|我們的未來醫生╳更快、穩、準的健康新科技

(本文獲作者授權刊登

其他人也在看

你可能有興趣

影音推薦

#廣編企劃|【2023 天下城市高峰論壇 #9】新竹市交通處長 倪茂榮:改善交通,必須先做出優良示範道路|天下雜誌✕未來城市

已成功複製連結