醫療雲端兩大方向

以往科技研究大多運用 AI 模型單一處理醫療資料，隨著收集的數據越來越多，近年全球科研發展出多模態學習（Multi-modality Learning），收集並分析不同資料來源，包括心電圖、胸腔X光影像、病歷等，進而得到更精確的判斷；又或者以胸腔X光影像追蹤腫瘤的數量與大小，配合患者的用藥記錄（例如劑量的增減），甚至基因分析，來預測癌症療法是否有效，這將比過往單一分析影像的模型獲得更全面的了解，然而醫生該如何與其他醫院或診所交流資料、共同使用，甚至在雲端做進一步分析？虛擬私有雲（Virtual Private Cloud）便是解決方案之一，也能符合私隱和安全需求，並可在雲端進行數據交換分析。虛擬私有雲是在公有雲上建構出隔離的私密虛擬網絡環境，由用戶自主管理並配置，可以想像成有如在自家內部操控私有雲，不需進入網絡，而安全性和私隱都在雲端操作者的掌控下。另一種解決方法是各家醫療機構透過AI模型進行交流，即聯合學習（Federated Learning）。這些 AI 模型不帶有實際資料，不涉及資料流通。簡單來講，合作的醫療機構把資料格式與標註，以及 AI 模型的參數、層數、節點等都事先設定一致，使用自家的資料來訓練模型，再交換模型彼此參考。現今美國國家衛生研究院（NIH）已透過聯合學習來進行驗證，發現確實能夠提升預測的準確性，且能保證資料的安全性。

上述各方面進展，若能配備醫療設備的物聯網（IoT）資料，將獲得更大突破。不論是加護病房或急診室，這種緊急性高的資料若能上傳雲端加以判斷，將有助醫療人員診斷。透過雲端運算服務串連起來的技術，將使智能醫療更早實現。