DeepQ 為醫學中心規劃完整 AI 軟硬平台,協助醫師掌握醫學影像 AI 研發

作者 NVIDIA

不只是台灣防疫之路的幕後功臣,更是協助醫界部署 AI 的得力助手

在這波新冠肺炎 (COVID-19) 疫情下,全台使用人數超過 200 萬的「疾管家」聊天機器人成了台灣民眾掌握正確疫情資訊的重要管道,其幕後推手正是 HTC 旗下健康醫療事業部 DeepQ 團隊。

DeepQ 不僅專精於自然語言處理 (NLP),也提供醫護相關的互動機器人與 VR 應用,同時專注在人工智慧 (AI) 平台建構,為台灣許多有意投入 AI 技術的醫學中心提供簡單易用且基於 NVIDIA DGX 超級電腦的 AI 平台。DeepQ 的 AI 醫療解決方案旨在協助醫療院所輕鬆部署 AI 技術,同時醫師不需與 AI 專家跨領域協作,便能以使用者的身分投入 AI 技術應用。

全台使用人數超過 200 萬的「疾管家」聊天機器人,其幕後推手 DeepQ 與疾管署和衛福部合作,採用自然語言處理 (NLP) 技術,配合充滿人性的介面流程設計,提供台灣民眾最即時、正確的疫情資訊。

跨領域人才、AI 技術、醫療影像的缺乏,為醫界築起一道牆

DeepQ 專案經理吳億澤博士表示:「由於 AI 在影像識別的表現相當出色,使醫界也對於將 AI 應用於醫療影像有所期待,期望能夠藉由 AI 影像識別等技術降低專業醫護人員的負擔;然而醫界投入 AI 的過程普遍面臨幾個問題,除了缺乏跨領域人才、難以充分掌握 AI,同時也需慎選模型技術外,醫界的醫學影像資料流通率低,且相較通用影像辨識的資料,專業醫學影像的數量較少,也造成醫療影像 AI 的效果更加難以突破。」

一站式 AI 開發服務平台打破醫療與科技業的藩籬,讓醫師也能輕鬆上手 AI

而促使 DeepQ 在 AI 平台脫穎而出的契機,是在 2017 年一場行動平台的醫療設備挑戰賽,當時有兩項與醫療影像相關的技術開發,分別是針對皮膚與耳內的判別,雖然通用影像識別技術在當時已相當成熟,不過醫療相關的影像資源取得不易,在當時以既有的千張醫學影像進行訓練,準確率始終難以突破八成。當時 DeepQ 團隊便想到可以利用「遷移式學習」技術,先透過以 ImageNet 的大型資料庫訓練通用辨識的高精確率影像辨識模型後,再將訓練後的成果轉移到醫學影像辨識,最終在中耳炎判讀領域一舉突破九成。這項成就促使 DeepQ 將遷移式學習作為發展醫學影像 AI 的主要技術之一。

DeepQ 的理念是開發一套針對醫學領域的 AutoML 平台,以使用遷移式學習技術作為基礎,搭配醫學中心的 NVIDIA DGX 超級電腦硬體進行最佳化,再輔以一套簡單易用的自動化 AI 訓練與實作平台,協助醫療院所部署 AI 技術。DeepQ 不僅針對醫學影像建構一套遷移式學習的 AI 模型訓練架構,同時在軟體介面中整合標記與訓練兩大功能,使院所內的醫師可直接將相關的 X 光片、電腦斷層掃描 (CT) 上傳至系統資料庫,並直接在平台介面建立專案與標記。醫師可選擇影像標記到一定數量或全部完成後再開始訓練模型,一方面可驗證模型正確性,亦可將模型用以協助標記其它還未標記的醫學影像。

DeepQ AI 平台提供一站式的 AI 開發服務,包含資料匯入、標註與管理、模型挑選與自動訓練,以及模型部署及驗證。

透過 DeepQ 開發的 AI 平台,醫院內有意投入 AI 研究項目的醫師便可自行上傳影像資料到平台,並針對訓練後的模型進行初步評估,判斷項目是否有繼續開發精進的價值,相較一般醫院自行架設並管理 GPU 等運算資源來說,更為便利易用。此外,過往醫療影像模型需要動輒至少半年才能完成第一輪的初步訓練,在 DeepQ AI 平台上卻可以透過遷移式學習、自動化模型訓練、AI 輔助標註及量化分析與驗證,大幅縮短開發測試時間以及降低 AI 門檻。

考慮到醫療體系對醫學資料的保護以及患者隱私的重視,DeepQ 提供醫療院所自建基於 DGX 或其他 NVIDIA GPU 加速技術的超級電腦平台,也可提供串接到雲端平台的服務。DeepQ 去年加入由國家高速網路與計算中心 (國研院國網中心) 主導的台灣 AI 雲 (TWCC),以其基於 NVIDIA 加速技術的雲端平台服務,調校專門為醫學影像量身訂做的 AutoML 調參引擎。以多組醫學影像進行評測的結果證實,DeepQ 的 AutoML 訓練結果優於資料科學家手動訓練的平均水準。這也有賴 NVIDIA 提供的出色硬體以及具備平台開發一致性的優點。

針對非巨量的醫學資料,DeepQ 藉由國網中心主導的台灣 AI 雲 (TWCC) 的運算力優化 AutoML 引擎,讓使用者在沒有資料科學家的協助下取得優良的訓練成果。

借助 NVIDIA 強大的軟硬體技術,持續為台灣醫學界開創可能

馬偕醫院放射線科主治醫師黃崇堯表示:「相較於其他 AI 平台,DeepQ 便利的易取用性大幅降低醫界人員投入醫療 AI 開發的門檻,同時本地端的服務也能確保醫學影像資料的安全性,是我們使用過最簡單易用的 AI 平台。透過 DeepQ 開發的 AI 模型協助放射科醫師進行 CT 判讀,將能大幅緩解醫療人員的壓力。」

馬偕醫學院醫學系醫學科學主任黃明源醫師表示:「過往為了降低醫院及醫學院人力的負擔,我們花費半年的時間針對近 2,000 片的胸腔 X 光影像進行模組訓練,最終的影像判讀準確率僅達 70%;在導入 DeepQ AI 平台後,同一套資料卻僅花費 4 個小時便達到 92% 的高準確率成果。DeepQ AI 平台不僅讓臨床醫師皆能有機會參與醫療 AI 的開發,同時也讓醫學院學生親自完成看似遙不可及的 AI 醫療工具,對於未來如何有效應用在各領域的臨床案例上有極大的幫助。」

除了為醫療院所建構 AI 平台外,DeepQ 也看到台灣醫學界的潛力,因此協助有意將醫療 AI 商品化的醫療院所進行產品規劃,讓這些握有精湛醫學技術但缺乏產品規劃能力的台灣醫院,提供自法規、FDA 認證申請與產品規劃的支援,將其研究成果輸出國際。

在這波疫情下,DeepQ 也展現了在醫學影像 AI 以外的自然語言處理的能力,與台灣行政院疾病管制局合作的聊天機器人「疾管家」能夠精確地辨識台灣在地的問答語意,協助民眾掌握正確的疫情資訊、化解民眾對疫情的疑慮,同時也配合政府公開透明的資料,對抗資料的不正確性。而能夠理解台灣在地語言的關鍵,正是由 DeepQ 針對台灣在地語彙與醫療資訊開發的 T-BERT (Taiwan Bidirectional Encoder Representations from Transformers)。

吳億澤博士表示:「當初在開發疾管家聊天機器人時,發現大多自然語言工具並未針對台灣在地語言最佳化,因此 DeepQ 重新為台灣在地語言以及疫情資訊相關詞彙,配合國網中心的專案,訓練一套屬於台灣且針對醫療問答的 T-BERT,使「疾管家」能在最短的時間內,將正確的資訊以最親切的方式傳遞到台灣民眾手中,成功協助政府防疫政策的推行。」

對 DeepQ 而言,其使命就是為台灣的醫療院所建構簡單易用的創新技術。藉由基於 NVIDIA 強大的 AI 硬體技術,持續提供豐富且不斷進化的 AI 開發工具,舉凡自 AI 到自然語言的互動聊天機器人,甚至是 VR 醫療與教學等,都能提供跨領域的醫療創新技術。

DeepQ AI 團隊, 右二為吳億澤博士