<p>隨著近年來 AI 與深度學習技術高速發展，下一代的智慧科技將帶著優異的影像分析和特徵擷取能力走進醫學領域。以癲癇治療為例，全球有約五千萬人受到這種神經疾病所苦。癲癇發作時，腦皮質細胞不正常放電，引發抽搐及失去意識等症狀。長期患者會在無誘發原因下持續且重複地發作，對生活造成巨大的困擾。</p>
<p>&nbsp;</p>
<p>臺灣大學電機系楊家驤教授所帶領的團隊開發出了一套能夠洞燭先機的方案：以預測為目標的神經訊號處理器。這種 AI 晶片可以透過訓練，從神經訊號辨認癲癇發作的前兆，在發作前就開始啟動電刺激器，如此一來用較小的電流便可以減低患者受症狀的侵擾。</p>
<p>&nbsp;</p>
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2023/03/14-1_670x460.jpg" /></p>
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">透過適當的訓練，AI 晶片也能辨認出癲癇發作前的神經訊號，若能配合微型電刺激器，就能在顛顯發作前給予一小段電流，阻止癲癇造成的腦部不正常放電現像，從而減緩患者的癲癇症狀。</div>
</div>
</div>
</div>
</div>
<p>&nbsp;</p>
<p>在這裡，AI 技術便展現了自身優勢。楊家驤教授指出：「癲癇患者實際上病症發作的時間非常短暫，大部分狀態下患者腦波呈現穩定的波形。因此，由人工找出對應的發作區間將耗費大量的心力與時間。」相對地，人工智慧技術可以透過大量標定的腦波資料中學習到癲癇發作前的生理特徵，可自動偵測、預測癲癇，並進一步啟動電刺激器抑制可能的癲癇發作。</p>
<p>&nbsp;</p>
<p>從原理上讓演算法從神經訊號進行預測是一回事，但是如何讓整個系統投入實際應用則又是另一層次的挑戰。植入式醫療 AI 晶片的規格要求較為嚴格，不只在重量與體積上有一定的限制，在安全性上需要經過層層把關後才可應用於人體。</p>
<p>&nbsp;</p>
<p>此外，楊家驤教授也提到，為了降低換電池手術可能引發的風險，低功耗的設計將有助於延長整體晶片的使用壽命。然而醫療 AI 晶片也需提供高準確率的判斷結果，高準確率經常又伴隨較複雜的運算與較多能量消耗。「因此具備高準確率且低功耗的晶片是極具挑戰性的，需要同時滿足兩者要求才能提供有效的解決方案。」</p>
<p>&nbsp;</p>
<p>楊家驤教授團隊所發表的晶片本身只有約 4 毫米見方，為文獻上第 1 顆癲癇預測晶片，在面積效率和能量效率也大幅超越了先前的癲癇偵測晶片，同時依舊能達成高於參考值的預測準確度。</p>
<p>&nbsp;</p>
<p>除了癲癇預測，AI 的特徵擷取能力在生醫領域中還有更多潛在的應用機會。如楊家驤教授所說：「人工智慧可以從大量生醫影像或是大量生理數據中自動擷取醫療診斷上有效的資訊。其高度自動化的流程，有別於傳統耗時費力的人工篩選與標記過程，能以極高效率篩選病症的相關特徵。」</p>
<p>&nbsp;</p>
<h2><strong><span style="font-size: 20px;">AI 輔助智慧手術</span></strong></h2>
<p>人工智慧技術在醫療第一線的發展可不只有資料判讀與特徵辨識。國科會於 2018 年便已開始推動 4 年 40 億的「半導體射月計畫」，以智慧終端產品中的前瞻製程與晶片研發為主軸。旗下的子計畫「AIAugSurgery」顧名思義則聚焦於 AI 和 AR 用於輔助外科手術和外科訓練。</p>
<p>&nbsp;</p>
<p>在手術台前，外科醫生只要戴上 AR 眼鏡，器官、血管和腫瘤的位置等手術資訊便會疊合在病人影像之上，讓醫生擁有彷彿可以透視人體的超能力。這就是 AIAugSurgery 計畫所實現的其中一項：「手術中器官姿態校正與追蹤」技術，由台大電子所簡韶逸教授團隊所研發。只要於術前在病患身上貼好若干追蹤標記，並掃描獲取體內器官位置和追蹤標記的相對位置關係，手術進行時便能即時將器官的影像投射於病患身上，精準呈現器官的位置與姿態。</p>
<p>&nbsp;</p>
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2023/03/14-2_670x460.jpg" /></p>
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">運用 AI 和 AR 技術，可以讓醫生擁有彷彿可以透視人體的超能力。</div>
</div>
</div>
</div>
</div>
<p>&nbsp;</p>
<p>另外一個計劃則是臺灣大學資訊網路與多媒體研究所​施吉昇教授帶領的內視鏡影像導航技術。進行內視鏡手術時，影像時常受到血水、反光、煙霧等因素干擾，影響醫師手術時的判斷。透過適當的訓練，這套新技術可以辨認出內視鏡影像中的各項特徵並即時消除煙霧和反光，同時還可以定位出內視鏡鏡頭的位置。</p>
<p>&nbsp;</p>
<p>和癲癇預測晶片一樣，上方提到這兩項技術也對效能和即時性有相當的要求。現在手機上的自拍特效有時需要 1、2 秒的時間才能辨認出人臉並加上特效；輔助外科手術的神經網路更加精密複雜，但臨床手術中可沒有任何多餘的時間，所有影像處理和計算都必須是即時的，將延遲時間降到最低。</p>
<p>&nbsp;</p>
<p>配合這個目標，同樣參與這個計劃的楊家驤教授也發表了多種超越現有領先效能的 AI 影像處理晶片，分別可以用於去除鏡頭晃動帶來的模糊，和產生超越原始解析度的清晰影像。在電路設計方面，臺灣大學電子所​劉宗德教授從處理器和記憶體下手，開發出超低電壓，超低能耗的運算技術。這些技術對於計算量龐大的 AI 和 AR 如何投入實戰是至關重要的基礎。</p>
<p>&nbsp;</p>
<p>在訓練方面，臺灣大學智慧聯網創新研究中心​陳炳宇教授的實感互動技術企圖補足擴充實境目前較缺乏的觸覺體驗。模擬手術刀可以根據自身姿態和旋轉改變重心位置，產生各種觸感回饋。結合 AR 技術提供的視覺影像，學生可以在模擬手術中感受切開內臟的實際阻力和手感。另外還有類似手環的微型機器人，利用微型馬達對配戴者的前臂產生牽引力，應用於手術情境中就好像是老師傅引導著你的手，讓初學者的學習體驗更有互動性。</p>
<p>&nbsp;</p>
<p>這些針對手術情境開發的 AI 與 AR 科技將不只會是醫師與病患的福音。智慧終端技術對於各式穿戴式電子產品，智慧家電，以及近在眼前的元宇宙時代都是不可或缺的角色。透過進一步的媒合與推廣，這些尖端裝置與科技將會改變我們的生活。</p>
<p>&nbsp;</p>
<p><span style="font-weight: 400;">（客座總編輯｜國家實驗研究院台灣半導體研究中心 侯拓宏主任；研究顧問團隊｜臺灣大學電機工程學系 楊家驤教授；責任編輯｜曹盛威、劉品萱）</span></p>
