借助AutoAI 功能,研究人员将数据分析工作的时间从半年大幅缩短到两周内。
为加速发展“智慧医疗”,台北荣民总医院(以下称台北荣总)引入 IBM Cloud Pak for Data 平台,运用云原生架构,打破医疗数据孤岛、保护数据隐私及安全、降低使用者门坎等,能快速从数据中取得洞察,使数据使用效率最大化。台北荣总已在糖尿病、肾脏病、心脏病及耳科疾病等多项医学研究中使用 IBM Cloud Pak for Data 内建的 AutoAI(自动建模)功能;以往研究人员从安装工具到完成一项医学分析结果,须耗时约三到六个月甚至更久,引入AutoAI后大幅缩短为一至两周内完成。台北荣总计划将已验证的医疗真实世界证据 (real world evidence, RWE),提供给医生作为门诊第二意见 (second opinion) 摘要,加快其为病人设计治疗方案的速度。
突发性耳聋[1]属于耳鼻喉科的急症之一,其危险与紧急性常常未得到充分重视,医学界一直致力于找出完全治愈的关键要素。台北荣总的医疗团队使用 IBM Cloud Pak for Data 的机器学习与自动建模功能,分析上千份病历资料后发现,患者如果能在突发性耳聋发生的7到14天内就医,尽快接受住院检查和治疗,通过传统的合并式疗法[2],将有更大的机会完全复原听力。这项研究在采纳 IBM Cloud Pak for Data 解决方案后,以往要耗时半年的 AI 建模、运算、调校,缩短到几个小时内就可完成一次运算,几周内就能找出合适的模型。
台北荣总信息室朱原嘉博士表示,以往寻找医疗真实世界证据之前,数据科学家采用群组/队列研究,以归纳方式调整超参数、建立模型、评估模型的有效性;当模型的准确度不高或不符合医生临床经验时,又需要花上几周修改超参数、调整模型,整个过程平均需要三到六个月。IBM Cloud Pak for Data 平台内建的 AutoAI 功能,不但可以解决目前医疗产业欠缺数据科学家的困境,也让年轻医生有了易于使用的 AI 学习环境。
IBM Cloud Pak for Data 的 AutoAI 功能如何辅助医疗研究?朱原嘉指出,在研究数据收集、模型开发测试、验证预测模型这三个阶段,AutoAI 都扮演着重要角色:帮助研究者辨识重要数据的重要特征、缩短数据清洗与数据精炼的时间,通过低代码 (Low-Code) 或无代码 (No-Code) 的 AutoAI 功能,让 AI 机器学习自行建立并训练多样化模型、找出冠军模型,节省可行性分析与试错的时间;并可自动生成 python 程序代码,帮助研究者持续优化模型与重现研究结果,加速医学研究进展。
台湾 IBM 公司客户成功副总经理胡育铭表示,IBM Cloud Pak for Data 的使用门坎非常低,即使是不具备写程序或建模能力的使用者都能轻易上手。台北荣总的医疗研究团队通过 AutoAI 指定预测项目、自动建模、选择适合的模型,并自动生成代码,从而使医生与医学助理专注于精进模型,省下大量时间与精力,得到用户一致好评。
IBM Cloud Pak for Data 具备自动查询(AutoSQL)、自动分类(AutoCatalog)、自动识别隐私规则(AutoPrivacy)以及自动建模(AutoAI)等四大功能,可以解决企业数据互不相通的问题,保持数据隐私与安全,满足各类数据用户对于数据分析建模的需求,让各个领域的专业人员都可以轻松使用 AI 技术,协助企业或组织快速取得洞察。该解决方案除了运用于医疗产业,在高科技制造业(如显示面板产业)、汽车制造等行业以及政府部门也有丰富的应用案例。
关于 IBM
IBM 是全球领先的混合云、人工智能及企业服务的提供者,为全球超过 175 个国家的客户服务,协助其从拥有的数据里获取商业洞察、简化业务流程、降低成本,并取得产业竞争优势。 来自金融服务、电信和健康医疗等关键基础设施领域、近 4,000 家政府和企业机构,采用 IBM 混合云平台和 Red Hat OpenShift 解决方案,快速、高效、安全地实现企业数字转型。IBM 在人工智能、量子运算、产业导向的云端运算解决方案和企业服务领域的突破性创新,为客户提供开放和灵活的选择。IBM 对企业诚信、透明治理、企业社会责任、多元与包容文化和服务精神的承诺,历久弥新,是 IBM 业务发展的基础。
[1] 突发性耳聋的定义:三天之内、同时超过三个不同音频,有大于 30 分贝听阈值的感音性神经性听力损失。常见突发性耳聋病人的发病过程:患者原先听力正常,在经历过生活上或工作上的压力、过度疲劳以及睡眠不充足后,在某天 (常常是起床后发现) 突然觉得某只耳朵听力变差。有时会伴随着耳鸣以及嘈杂感、声音失真和距离感,甚至晕眩。
[2] 传统合并式疗法:静脉注射副肾皮质素及血浆扩张剂、口服神经活化内耳循环促进剂及血液循环改善剂。