開發到落地關卡重重?

盤點醫療影像AI判讀四大挑戰

撰文記者 吳培安
日期2021-01-10
專題企畫/彭梓涵、吳培安 撰文/吳培安、彭梓涵 採訪整理/彭梓涵、吳培安、李林璦

醫療影像AI判讀被專家認為是臺灣最接近臨床可應用、阻力最小、最能幫助醫師的技術,卻因為錯綜複雜的利害關係人網絡,在資料取得及公/私利益上,與政府、醫師、醫院、監管單位甚至客戶,面臨重重尚待解決的難題。


在當代人工智慧(AI)多種應用發展之中,圖像辨識的深度學習、神經網絡發展搭上圖形處理器(GPU)的演進快速;另一方面,醫療場域的放射科、檢驗醫學科,存在大量醫療影像判讀需求,兩者一拍即合,讓醫療影像AI發展突飛猛進。

由於人不可能永遠保持專注,在大量的重複作業下,還是有疏忽細微細胞病變的可能。但有了影像AI判讀協助,醫師就可以從原本千張影像的工作量,變成只需要看AI挑出來可疑的一百張影像即可,大大減輕醫師看影像、寫報告的負擔。

臺北醫學大學醫療暨生物科技法律研究所創辦所長李崇僖指出,醫療影像AI判讀的重要性,在臺灣已經在非臨床科(不需要直接與病人接觸的科別)逐漸受到認可。例如,中華民國放射線醫學會已經擬出一份醫學影像輔助診斷管理辦法,供各大醫院作為模板、寫出各自的管理辦法。該學會中許多成員都是大醫院的領導者。

「醫學會作為醫學專業團體,在醫療臨床上有深入的理解,因此,在AI落地的角色中非常重要,也是觀察AI發展成不成熟的重要指標。」李崇僖強調。

不過,即便是目前發展看似阻力最小的醫療影像AI判讀,其因為資料的敏感性,仍會牽涉到複雜的利害關係人(Stakeholders)關係網絡,因此,從資料取得、查驗登記、落地醫療院所等環節,都需要克服重重挑戰。


李崇僖所長指出,醫學會在AI落地的角色中非常重要,也是觀察AI發展成不成熟的重要指標。(攝影/彭梓涵)

挑戰1:業者 vs. 資料開放──

去識別化仍不能作為資料處理的合法充足條件!

專研法律、醫學與全球公共衛生的中研院歐美研究所助研究員何之行表示,臺灣雖然已經有健保資料庫,但廠商仍然在取得資料上遇到困難。

主要原因是,很多醫療資料(包括影像在內),一開始收集的目的並不是為了開發軟體,原則上是特定目的外的「二次利用」,如果要回溯性使用這些資料,就必須面對缺少同意權的問題。

何之行指出,這項限制可以利用《個資法》第6條的但書來克服。一是限定「公務機關或學術研究機構」,為了高公共利益之目的,得以進行去識別化後使用;另一種則是取得當事人明確書面同意。

臺灣當前仍主要以使用的去識別化資料為主。不過她指出,臺灣雖然目前已有符合國際標準化組織(ISO)去識別化標準,但去識別化在臺灣其實還沒有法律上的明確定義,也不是長久之計。

何之行表示,雖然國發會曾經希望把臺灣《個資法》和相關規範推到和歐盟同等標準、在國際上有競爭力。但以相對嚴格的歐盟《一般資料保護規範》(GDPR)規範來說,資料的去識別化只是一種維護措施,不能取代當事人同意、不能作為資料處理的合法充足條件。

「現在日本、韓國都已經達到GDPR標準,如果臺灣AI業者未來也要往這些地區發展,就會遇到法規成本比別人高的挑戰。」

何之行建議,「如果有一個明確的立法授權,就可以比較清楚的解決健康資料二次利用的問題。」

至於如何讓《個資法》在資料處理上獲得合法充足條件,何之行認為,比較單純的做法是逐一取得當事人的同意;但有些國家(例如英國)卻是使用「退出權」的概念,預設每個已經存在於資料庫的人都同意,並寄發通知給當事人可以選擇退出,通常退出的比率都不會太高。

此外,倘若臺灣的健保資料庫要開放資料、讓AI業者可以開發商業應用,應該要更加強這項行為的公共利益回饋,進而說服社會大眾,這個動作也會影響政府推動開放資料最終成敗。


何之行認為,業者使用全民的健康資料開發產品,最終也要回饋到醫療系統、說服社會大眾資料開放的益處。(攝影/吳培安)

挑戰2:業者 vs. 醫院/監管單位──

上市後監管資料開放問題更像是個「黑盒子」!

AI軟體公司和醫院建立研發合作,可以利用醫院的資料開發、訓練、優化AI產品,...