微软 Azure AI 助攻,附医成功开发智能抗药菌预测系统
![微软 Azure AI 助攻,附医成功开发智能抗药菌预测系统](https://www.gameducky.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
WHO 世界卫生组织将病菌抗药性列为人类健康的十大威胁,并警告2050年时,病菌抗药性将成为全球最大死因,致死人数超过癌症。 的医药大学附设医院(附医)为此与微软合作,积极投入相关研究,在 Azure 平台上开发「AST. AI 智能抗药菌预测系统,藉由 AI 机器学习分析帮助,将原本须 2-5 天才能得知的「病菌抗药性」结果,成功缩短为 1 小时。 此项成果已获国际医学期刊认可,并吸引国内外临床学研单位合作,未来将进一步透过Azure平台,将模型成果及分析数据与全球医疗机构分享,共同打造更完善的智能抗药菌系统,以解决全球最大医疗挑战。
主导开发的附医智能科技创新中心主任游家鑫博士指出,AST. AI 智能抗药菌预测系统」藉由质谱仪判读蛋白质量进行抗药性预测,并透过细菌与抗生素的分子嵌合增加模型生物意义,运用微软 Azure Machine Learning 平台与协作环境,在有限的人力物力之下,快速开发出机器学习算法,并以大量临床数据训练模型的精准度。 目前已与国内 4 家医院共享模型或数据,十分期待 AST. AI 未来进一步透过与微软的合作,与欧洲及全世界分享,馈入各国数据进行验证,让抗药性预测更为精准且符合在地需求。
微软首席技术与策略长暨微软技术中心总经理陈守正表示,「智能医疗已是全球趋势,微软 Azure 平台提供充份整合、高度扩充弹性的各种服务、同时具备专业认证的全面资安保障,藉此协助医疗产业发展出各式各样的创新解决方案,待未来微软资料中心落地后, 相信能帮助更多智慧医疗的发展,共同为提升人类健康福祉而努力。」
智能抗药菌预测 大幅缩短用药评估时间
目录
「AST. AI 智能抗药菌预测系统 的开发,主要基于医学界面临抗生素滥用的两大挑战,一是「病菌抗药性」造成致死率上升,二是抗生素的庞大支出已成为各国医学中心的沉重负担。 因此,附医院长周德阳于2021年交付「找出解决方案来促进抗生素的合理使用」此重要任务给创新中心,着手开发机器学习模型,运用微软Azure AI平台的Machine Learning服务打造抗药性的预测系统。
游家鑫博士指出,以往病患出现感染,在抗生素投药之前,必须透过血液培养、抗药性比对等过程,至少耗费 48-60 小时才能得知检测结果,再将信息提供给临床医师进行抗生素治疗评估; 然而统计数据显示,每延迟1小时用药,病患死亡率就会上升7.6%。 附医创新中心团队通过 Azure 平台开发云原生 AST. AI 系统,串接质谱仪信号与机器学习算法,将其运用于细菌的抗药机制预测,并与检测试验室的工作流程高度整合,在短短 1 小时之内即可得知抗药结果,辅助临床精准投药,不仅降低成本,也及时挽救病患健康。
导入 Azure Machine Learning 微型医疗创新团队展现巨大成果
游家鑫博士曾于 2018 年透过科技部创新之星计划(LEAP),前往西雅图的微软研究院进行访问研究,深入了解微软学术图谱技术及 Azure 云端平台在智能医疗上的无限可能。 考虑到在疫情冲击下,医疗机构系统开发必须先期投入大量资源,例如在地端建置运算能力强大的服务器,造成额外的人力与财力负担,更不利创新方案的快速推动。 同时,训练 AI 模型也需要大量运算资源,软硬件资源必须妥善管理,对于小编制新创单位无法聘请专责工程师,因此在中心成立之初,游家鑫博士便决定与微软深度合作。
擅长协助产业伙伴开发创新方案的微软技术中心(Microsoft Technology Center)提出咨询建议,附医导入微软 Azure Machine Learning,不仅轻松地拥有云端自动化运算及管理维护能力,能够充份与医院其他部门有效让有需要的各专科医生都能提升治疗及用药品质,同时因不需于地端投入过多资源,也因此达到成本最佳化。
Azure Machine Learning 机器学习运营优化最佳平台 满足各阶段各种需求
微软技术中心技术架构师黄耀逸指出,Azure Machine Learning是协助产业伙伴走向机器学习「营运化」的最佳平台,不论在运算资源的弹性提供、模型训练与管理,都可省下大量时间与人力成本,让客户更专注本业。 在 AST. AI 的案例中,虽然开发团队规模不大,但却具备自动化、上云、跨部门协作等需求,因此 Azure Machine Learning 的两大优势恰可充份满足:
- 高度整合:Azure Machine Learning 与 Azure DevOps 高度整合,在 Machine Learning 的 CI/CD 应用上可无缝接轨,减少模型布署上线的时间。
- 进阶功能完善:Azure Machine Learning 符合微软所提出 Responsible AI 的原则与愿景,提供模型的可解释性,未来可满足审查(Audit)等进一步需求,此外更具备与微软其他原生服务整合的便利性。
医疗产业上云 微软Azure完整资安保障快速上线扩充便利
附医创新中心指出,医院评估微软Azure相对于其他云平台,有两大更符合医疗产业需求的特色。 首先是资安考量,医疗产业对数据保护等级要求极高,不亚于金融业,而 Azure 是通过医疗资安认证的云端平台; 再者是扩充便利,前期建置不需投入大量资源即可快速上线,中后期更有高度弹性,可透过云端将智慧医疗服务推广至其他医院。 以 AST. AI 导入外部四间医院的验证数据为例,只花了短短一个月,足足较传统作法减少了三分之一的时间。
微软 Azure 全球能量 持续扩充 AST. AI 数据成果
AST. AI 的论文成果已获美国微生物学会 Microbiology Spectrum 期刊于今年三月发表; 今年5月美国相关专利也已获得核准。 目前 AST. AI 已累积岛内数十万笔的真实世界数据,除了附医,还包括卫福部丰原医院、台大医院云林分院、卫福部双和医院、花莲慈济医院等伙伴医院的数据验证,另有三家医院洽谈合作中。
在国际上,AST. AI 也吸引瑞士巴塞尔大学医院的交流合作,拟导入 AST. AI 的模型可解释性技术及可视化工具,未来微软将持续与附医合作,透过 Azure 平台将 AST. AI 的模型与成果,分享到全球,汇集各国的数据来进行验证,让抗药性的预测更为精准并符合在地需求。
微软 Azure 及医疗产业云 解决疫后新挑战
AST. AI 的抗药性预测是临床分析预测领域成功运用云端技术的最新、最具潜力案例之一。 除此之外,微软更进一步发展出功能强大的医疗产业云,结合 Microsoft Azure、Microsoft 365、Microsoft Dynamics 365 与 Microsoft Power Platform,串连各项医疗实作场景,以云端力量进行跨域整合, 协助及全球解决疫后医疗的种种全新挑战。
▲ 附医智能科技创新中心透过 Azure 平台开发云原生 AST. AI 系统,串接质谱仪信号与机器学习算法,1 小时内即可得知抗药结果,借此辅助临床精准投药。
![微信扫一扫](https://www.gameducky.com/wp-content/uploads/2021/12/2021122203132290.jpg)