【醫療AI】 梅約診所如何用人工智慧發揮醫療的真正價值？

美國最具代表性的醫療院所梅約診所(Mayo Clinic)至今已成立超過150年，一直以卓越的醫療創新能力和開放精神聞名於世。對於醫療人工智慧領域，梅約診所也總是走在全球醫療機構的前沿。2020年，梅約診所成立了全新的數位醫療部門，聘用了 Rita Khan 成為第一任的數位長。兩年以來，已經核准了至少兩百件以上與醫療人工智慧相關的研究案，成為醫療公衛體系中對醫療人工智慧最積極的組織。

Rita Khan 認為，美國的醫療環境早在新冠疫情開始之前，就有許多要求改變的聲音，根本的理由就是「專業醫療人員流失」，以及「平均醫療花費高昂」兩大問題。導入人工智慧將能夠同時解決這兩大困難。人工智慧有助於降低醫療人員的知覺負荷，不需要被重複的例行事務佔住專注力，減輕工作壓力與專業人員流失。人工智慧也能在持續訓練後，維持精準度和診斷速度，盡可能減少患者奔波醫院看報告、重新診斷所花費的心力，降低治療單一疾病所需要的花費。

心臟科應用機器學習與人工智慧的情形

以 AI 判讀心電圖(AI-enhanced ECGs)，建立疾病預測模型

心電圖是心臟科必備的基本檢查，心臟科醫師透過可重複使用、費用低廉的心電圖儀，收集心臟周邊的電氣變化，來了解心肌是否正確收縮。搭配人工智慧，就能夠有效尋找心電圖與疾病之間的特定模式。梅約診所心臟科的Demilade A Adedinsewo醫師開發了一種深度學習的演算法，這種演算法能夠透過擷取心電圖的微小電訊號，預測心導管瓣膜置換術後的患者，傳導受阻的可能。

另外，梅約診所也成立由醫師、資料科學家、醫學工程師成立的跨領域團隊，收集患者電腦斷層、超音波、X光與核磁共振的結果，成功建立了冠狀動脈疾病、瓣膜疾病、左心室擴張、高血壓與先天性心臟病等疾病的預測模型。

例如梅約診所的數位醫療中心(CDH, Center for Digital Health) 發展出一種能夠預測孕婦或產後婦女是否產生心肌病變的演算法，這種演算法將心電圖作為訓練資料，然後以心臟超音波交互驗證，現在以心電圖就能找出高風險的族群。比起心臟超音波需要心臟專科醫師操作，心電圖是在床邊就能完成且相對簡單的技術，增加了診斷速度，也降低了許多醫療人員的負荷，把時間留給更有需要的患者。

藉由人工智慧觀察出產孕婦心電圖中的特定模式，不需要心臟超音波就能預測心肌病變

整合內部數據與外部人工智慧的專家合作：建立梅約診所的 AI 生產線

為了加速人工智慧佈局，梅約診所建立了自有的數據平台 Clinical Data Analytics Platform，積極投入再生醫學與個人化醫療領域。與各科部高度整合的數據平台，讓數據人員能夠主動為各科部發掘適用的人工智慧模型。梅約診所也與外部的人工智慧企業 Nference 高度合作，研發包括臨床記錄、病例報告、科學文獻、病理切片影像、心電圖紀錄與基因體序列，解決臨床數據由於過於繁雜，整合速度緩慢的問題，在醫療用雲端進行運算、儲存和分析資料的工作。

梅約診所強調「沈浸式的全人健康照護」，除了臨床醫療，也包含運動管理、營養建議和身心靈鍛鍊。導入人工智慧，讓這樣的願景得以實現。以化療患者管理為例，過去當個管師需要調查服用 pembrolizumab（一種新型癌症藥物）的肺癌病人的健康狀況時，需要在醫療病歷紀錄、影像報告、病理切片結果等資料庫來回查詢，還要和病理科和放射科的醫療團隊大量會談，不但效率低落，也占據了醫療人員照護病人的時間。

但現在透過整合的人工智慧數據平台，已經能夠在每次回診檢查時，更為及時地對醫療影像作出判讀、對病理切片的結果產出初步報告、分析病歷紀錄並給予檢查項目與頻率的建議，並主動針對特定案例，進行文獻模糊搜索，讓醫療團隊能夠對患者的狀況作出更為精確的預判，提早做出因應，用人工智慧發揮數據的真正價值。

參考文獻

1. Exploring the Future of Artificial Intelligence in Cardiovascular Medicine: A Discussion with Mayo Clinic’s Dr. Demilade Adedinsewo.
   
2. Sarah Friedrich et al, Applications of artificial intelligence/machine learning approaches in cardiovascular medicine: a systematic review with recommendations, European Heart Journal - Digital Health, Volume 2, Issue 3, September 2021, Pages 424–436
3. Mayo Clinic, Others Use ‘AI Factories’ to Speed AI Development.