一、人工智慧
1. 心電圖分析：我們的願景建構一個即時心電訊息分析及緊急介入系統，透過整合使用者端、急救體系、醫院體系，並在人工智慧模型的輔助下， 更快的提早對重要的急性心電異常進行預警及縮短等待治療時間，從而降低成本及提升醫療品質。我們已利用深度學習模型開發一個血鉀異常偵測的 預測模型，其在敏感度及特異度上面皆勝過專業心臟科醫師10%以上，並且已經實際將此系統運用於急診病患照護之中，未來將持續發展心肌梗塞、心 律不整等偵測模型，並且將其擴展至個人以降低心源性猝死的危險。
2. 醫學自然語言處理：隨著病歷電子化的進程我們已紀錄了大量的醫療資訊，如能妥善地利用這些醫療資訊將能促成醫學的進步。然而這些資訊大多是以文字、影像等非結 構化的方式儲存，從而大大增加了利用的困難度。疾病編碼是將文字紀錄轉換為結構化資訊的重要方法，而目前常規的方式是透過疾病分類師進行這類工作， 然而人工進行這項工作不但低效且昂貴。傳統的文檔分類演算法是透過詞袋模型加上SVM、隨機森林等分類器進行分類，但有著準確度低且無法處理新 興疾病的問題(因舊有詞袋中不包含新型疾病的關鍵詞)。我們在這裡結合了word embedding技術以及卷積神經網路，發展了一個特殊的網路結構及訓練方 式適應疾病分類任務的型態，研究中也發現新的人工智慧模型比原有方法更加準確，並且能透過外部語意資源獲取未曾於歷史病歷中見過單字的意思，這 大大增加了在未來這個任務中利用人工智慧取代密集勞動力的可能性。
3. 醫學影像分析：胸部X光檢查是一項非常常規的檢查，目前臨床實踐中這項判讀工作將佔去放射科醫師最大量的時間，僅三軍總醫院本院一個月就需要判讀超過1.5萬的 胸部X光影像。我們利用DenseNet為基礎架構，再加上為網路設計曝光度處理層，利用NIH所釋出的10萬餘筆註釋胸部X光影像資訊進行模型訓練，並在14項 任務中取得了平均超過0.85的AUC。
二、精準醫學：參與推動台灣精準醫學發展，建立個人化診斷平台，著重在癌症、遺傳疾病和罕見疾病的各項基因檢測，針對病患發展快速與精準的基因診斷項目及新藥篩檢，開發新治療模式，以提供國人完整的健康照護。
資料來源：生命科學研究所助理教授 林嶔博士
- 瀏覽人次:2526
- 更新日期:2022-10-27