2020-04-17 2020.4.17 (新知新聞訊息) 讓國旗登上WHO主辦的黑客松！AI一秒判讀新冠肺炎X光 成大擊
2020.4.17 TINVA 新知新聞訊息
TINVA官網連結: https://tinva.org/news/detail/445
讓國旗登上WHO主辦的黑客松！AI一秒判讀新冠肺炎X光 成大擊敗全球1000多隊奪勝
讓國旗登上WHO主辦的黑客松！AI一秒判讀新冠肺炎X光 成大擊敗全球1000多隊奪勝
「國際COVID19科技防疫黑客松」中，成大團隊擊敗全球1,000多隊奪勝。
39871
2020-04-12
採訪、撰文・劉子寧、陳芳毓
在這個台灣人為WHO無理指控氣憤難平的溼冷週末，一面青天白日滿地紅國旗，已在4月10日上午9點，悄悄掛上了一場WHO主辦的活動網頁。
這是WHO與臉書、微軟等科技大廠合辦的「國際COVID19科技防疫黑客松」（#BuildforCOVID19 hackathon Global Online Hackathon） ，向全球徵件解決新冠肺炎造成的醫療、教育等七大問題；再由Google、Amazon、Pfizer及聯合國兒童基金會（UNICEF）等198個組織，評選出最有貢獻及商機的隊伍。
在這匯聚全球1萬8,000多位頂尖科技人的競技場，短短五天，提出了1,560個專案，最後僅89個團隊出線，勝率不到6%。
一片歐美國家旗海中，唯一獲獎的台灣隊，是成功大學資訊工程系特聘教授蔣榮先，與成大放射科醫師蔡依珊、碩博士生王麒詳、邱煌鑌、吳昭儀，組成的MedChex—他們利用人工智慧，辨識新冠肺炎病患的肺部X光片特徵，一旦確認為陽性，就會對醫師送出示警。未來即便在缺乏醫師的地區，也能用AI偵測判讀，阻止疾病蔓延。他們將概念製作成一支一分多鐘的英文影片，由美國西雅圖小學老師Tiffany Chiang全程協助英文修編。
許多團隊只是提出概念，但成大團隊已進入臨床應用。蔣榮先說，收到最多的評審回饋就是「何時商業化？」可見潛力無限；但他已決定公開演算法，讓全球醫護免費使用。
成大是COVID19科技防疫黑客松中唯一獲勝的台灣隊伍。圖片來源：截自ＷHO網站
【延伸閱讀】越洋專訪｜一張圖看懂全球疫情怎麼傳！旅美24年台灣AI科學家提醒：歐美病毒恐愈傳愈有攻擊力「不能放任它傳！」
春假閉關五天準備
接受採訪時，獲獎已過12小時，電話那頭的蔣榮先聲音仍難掩興奮，「我最開心的是——國旗竟然放上去了！」
56歲的蔣榮先不時流露身為「台灣隊」的自豪與責任，連要號招學生犧牲春假、閉關實驗室五天參賽，理由也是：「這是一輩子一次的經驗，好好替國家做一件事吧！」
只不過，要從來自Google、麻省理工學院的1560個專案中脫穎而出，這「一件事」不容易。比賽採隨傳隨評制，五天皆可上傳報名資料，成大第二天報名時，已排到800多號。學生們直呼「不可能得獎！」蔣榮先卻老神在在：「穩住，我們可是從台灣出現新冠肺炎第一天，就開始準備了！」
【延伸閱讀】科技防疫｜自製「超商口罩地圖」的工程師：地圖上線6小時，我收到60萬Google帳單
小年夜開始應變
成大醫院，的確是最早啟動科技防疫的台灣醫院之一。
時間回到1月21日，台灣出現第一個新冠肺炎確診案例。三天後就是闔家團圓的除夕，成大醫院醫師LINE群組訊息卻此起彼落，很不安寧；雖然只有一位病例，但同業小道消息示警，疫情已如噬人年獸，近在眼前。
擔心醫療資源稀缺的南部成疫情破口，小年夜那天，成大醫院緊急成立跨單位武漢肺炎應變中心，先在戶外搭起組檢疫站，病患分流；再建立戰情室呈現全球疫情，方便決策。二月中之前，各部門陸續推出可減少接觸感染的「病例自動化系統」、將影像判讀時間從40分縮短成1秒的「胸部X光人工智慧判讀肺炎系統模型」等新技術。
光後面兩項技術，就使檢疫時間從150分鐘縮短至20分鐘，大幅降低群聚久候造成的傳染風險，也減少第一線醫護的工作量。這套跨校本部與附屬醫學中心的「智慧醫療臨床決策輔助系統」，使成大成為台灣第一個具備AI與自動化檢疫站的醫院。
【延伸閱讀】17歲高中生改變世界 全球300萬人看他的新冠肺炎網站
小年夜那天，成大醫院緊急成立跨單位武漢肺炎應變中心，先在戶外搭起組檢疫站。
【看更多台灣城市，立即追蹤我們IG】：未來城市Instagram
一群醫師與一位資工專家
台灣大型醫院眾多，為什麼成大跑第一？原來成大醫院團隊中，藏著一位資訊工程科學家——成大醫院資訊長蔣榮先。
蔣榮先是密蘇里大學電腦電機工程博士，2000年起，他便在成大醫學院開設醫療大數據課程，是台灣最資深的智慧醫療資工專家之一。
許多人將武漢肺炎疫情與2003年SARS相比，但蔣榮先認為，兩者最大的差異在於「科技介入程度」。只是這次疫情來得突然，沒前例可循，不知科技能扮演什麼角色。
蔣榮先有個AI讀書會，LINE群組裡有5、60位不到40歲的年輕醫師，經常閱讀國外論文，討論AI的醫學應用。綜合國外趨勢與成大資源後，「或許先用影像做做看？」蔣榮先建議醫師們，先從手邊最扎實的資料——X光影像入手。
AI科學家蔣榮先，是成大醫院資訊長，也是台灣最早的智慧醫療學者之一。
過去兩年，成大醫院放射科一直在研究胸部X光的AI判讀，只是過去是用來診斷氣胸、心臟主動脈剝離等急症，好應付放射科醫師無法24小時待命的限制。除了急症，成大醫院每年仍要判讀上千萬張影像，蔣榮先早有心理準備，遲早會需要AI協助。
只不過，第一次訓練出來的新冠肺炎的模型，卻跌了一大跤。
一般來說，訓練資料愈多，AI模型愈精準。為快速建立訓練模型，蔣榮先直接導入全球最大、高達數10萬張的公共肺炎影像資料庫，三天就訓練出第一個模型。
沒想到，資料庫裡的影像來自不同年代、醫院與攝影器材，品質參差不齊，連非肺炎的影像都混雜其中，導致模型錯誤百出。
案例1. 湖北某醫院之確診病例，其肺炎徵狀明顯，套用至模型中呈現患病機率高達90~100%
a.醫生手動標記 b.AI判定肺炎區域 c.AI判定毛玻璃狀區域
眼看疫情愈趨嚴峻，蔣榮先牙一咬，決定回頭採用「工人智慧」——在年假期間召回放射科醫師，從10多萬張肺炎影像中挑選出1000多張有典型肺炎徵狀的樣本，再一張張手動標記肺炎影像，「他們標到後來手腫到抬不起來！」
蔣榮先解釋，雖然新冠肺炎確診者的X光片不多，但肺炎的症狀雷同；是否為新型冠狀病毒引起，可以透過事前篩檢與事後判斷確認。
這批關鍵樣本，再加上成大過去的肺炎X光片與8張台灣本土新冠肺炎的X光片，終於在一個月內，建立台灣第一套新冠肺炎AI模型。
案例2. GitHub公共資料庫中來自美國西雅圖Snohomish County之確診案例。其肺炎病徵較不明顯，困難度高，但透過此AI判讀仍可測出病灶，並判定患病機率為74%。
a.原始影像 b.AI判定肺炎區域 c.AI判定毛玻璃狀區域
國外確診案例也適用
隨著疫情蔓延全球，為進一步驗證台灣本土AI模型的泛用性與準確度，三月中，蔣榮先加入GitHub公共資料庫，用中、澳、美、英、德、義等國確診病患資料肺部X光影像校正模型；多次調整演算法、精進AI清晰度後，還能自動過濾病灶處與心臟重疊等雜訊，由醫師手動標記的疑似感染區域，與AI判讀一致性高達92%，「證明台灣的影像很有代表性！」
這一步，也是成大團隊贏得黑客松的關鍵，「因為能驗證國外病例，被評審認為是very solid example！（扎實的範例）」蔣榮先說。
未來，這套模型也將用在斷層掃描與核磁核磁共振影像上。