Appier 首席人工智慧科學家孫民，目前也是清華大學電機工程學系副教授的他，專精電腦視覺、自然語言處理、深度學習與強化學習，研究領域涵蓋 3D 物體辨識、人體 姿態辨識、場景理解、影像理解與文字摘要。

曾在由李飛飛所主持的 ImageNet 圖像識別研究計畫中，參與草創期的系統設計，也曾協助開發機 器人作業系統 (ROS) 及微軟 Kinect 人體姿勢辨識系統，在武漢肺炎新冠狀病毒（COVID-19）疫情延燒之際，他在上週也透過視訊分享更多 AI 用於醫療產業的應用與未來。

從預防到治療 AI 扮演角色

孫民表示，AI 可用於醫護系統的優化，協助研究人員從大量數據做出決策，像是可了解病因來自於細菌還是病毒，在實驗過程中產生大量數據，透過 AI 有助於開發治療方法、了解藥物與疫苗的可性度與穩定度，進一步分析可治療的機率等以及更有效分配醫療資源優先順序。

以電子病例 (EHR) 來說，就能利用 AI 對患者進行排名，從得分推測返回醫院的風險，透過患者的住院時間、入院率、出現併發症以及接受急診治療的頻率，減少重返醫院的比例，透過預先分配醫療資源節省多達 1,300 萬美元。

針對武漢肺炎新型冠狀病毒，孫民也提出許多 AI 可提供的防疫應用，舉例來說，電子病例和位置資訊能分析易受感染者，主動排序受檢、隔離等，自動化分配醫療資源。

孫民舉例，在預防方面，AI 能提供監測系統，提醒健康的員工勤洗手、監測獨居長者在封城或隔離期間的活動狀態、監控使用酒精消毒的情況、個體移動足跡分析、追蹤和分析臨床醫師手部衛生狀況。

另外，在疫情延燒之際，如何快速且大批量的檢測是啟動預防措施的關鍵，目前面臨到的挑戰其一就是檢測時間，目前 COVID-19 RT-PCR 篩檢最少需時 4 小時，AI 在 COVID 19 疫情上的診斷應用，AI 可以在幾秒鐘內分析 CT 電腦斷層掃描，也就是協助專家提升診斷效率。

透過 AI 數秒鐘跑完影像以後，再經由醫生判讀結果是否為 COVID-19 造成的病毒，提升醫療效率。孫民強調這些電腦影像並不能完全直接說明確診，但是可信度相對高的前期訊號，可以協助後續觀察或進入負壓病房處理。

AI 讓醫療優先順序 提高資源分配

在治療方面，透過比對 4 千多個遺傳序列監測 COVID-19 病毒的變異，能幫助預測病毒擴散的速度，協助預測特定病毒變異的危害程度。

另外，AI 根據病毒株上的蛋白質的胺基酸序列預測蛋白質 3D 模型 還能模擬鎖定治療方法，像是 IBM「Summit」超級電腦鎖定了 77 個優先測試的藥物，就是取決於 COVID 19 3D 模型的峰值。

從開發、測試、產出新的療法都需要很長的時間，然而疫情迫切需要在臨床試驗中測試現有藥物的治療成成效，雖然疫情未來仍具有許多不確定性，但借助 AI 可以加速長時間的流程。

孫民認為，這次在防疫上台灣相對好，但是對於世界各國許多政府卻不樂觀，實施社交疏離（Social distacing) 來預防，長期下來會對經濟造成不少的損失。若是政府能號召積極建置 AI 預防解決方案，能減緩長期經濟損失，對個人和政府 AI 能協助提升用戶自主健康管理意識，不該過於樂觀也不該過於悲觀，未來用也許能透過 AI  更有效益的限制活動，減緩經濟損害。

核稿編輯：Mia