雲象科技執行長葉肇元談台灣醫療AI的未來
雲象科技執行長葉肇元談台灣醫療AI的未來
個人蠻推薦這篇討論，因此轉錄分享一下。
之前有提到一些系統廠也踏入智慧醫療，但目前還是專案為主。
例如：
而雲象科技本身是完全針對醫療開發應用的軟體新創。公司成立於2015年10月，主要從事於病理玻片雲端數位化及醫療影像AI開發的業務。客戶以醫療院所為主。雲象科技的合作夥伴包括了美國洛杉磯Cedars-Sinai Medical Center, 匹茲堡University of Pittsburgh Medical Center, 及臺大醫院、長庚醫院、 國泰醫院等醫學中心。
- 雲象科技官方網站：https://aetherai.com/
- 雲象科技 104 徵才資訊 (包含公司介紹)：https://www.104.com.tw/company/1a2x6bke2b
而延續之前針對台灣軟體的討論：
這一篇針對智慧醫療的發展討論，歡迎大家留言分享你的感想。
雲象科技執行長葉肇元專訪：
[醫療AI 的機會，台灣還來得及抓住嗎?]
因為深度神經網路在影像、文字及語音的辨識能力上，大幅超越傳統的演算法，甚至超過人類的表現，人工智慧(artificial intelligence，AI)在近幾年受到非常高度的關注。AI的發展，在許多國家已經被拉到國家戰略級的高度。AI在醫療上的應用，自然也是個受到高度矚目的議題。各醫院紛紛投入資源成立AI中心。醫界如此熱衷於一項科技的應用，是前所未見的。
醫療AI，無疑是個重要的新興產業。這個新興產業的機會，台灣還來得及抓住嗎? 為什麼會這樣問? 新興產業的發展，時間點至為關鍵。越是有前景的產業，國際競爭越激烈。及時投入資源、精準制定策略，並且在瞬息萬變的環境中快速應變，找到成長的契機，才能取得優勢，發展到足夠的規模，在這個產業的賽道裡面持續下去。
要發展醫療AI，台灣還來得及在國際上取得競爭優勢嗎? 觀察了台灣這幾年整個生態系的發展，我必須很憂心的說，快要來不及了。
我為什麼這樣說? 因為海外，尤其是韓國的AI廠商已經攻進台灣市場了。除了有幾家醫院開始試用韓國Lunit的X光片AI判讀系統之外，連國泰金控也選擇跟Lunit合作，用AI輔助審閱X光片來提升核保效能。還不只如此，國泰金還跟另外三家海外的新創公司合作，包括和 Amenity Analytics合作分析法說會資訊，和ClearQuote合作用AI辨識車損理賠照片，和BehavioSec合作生物辨識。台灣的AI新創一點份都沒有。台灣也已經有醫院開始付費使用RapidAI的腦中風輔助診斷系統。就醫療影像AI這個市場來說，我們受到最大的威脅來自於韓國。當我們在為台積電打敗三星沾沾自喜的時候，韓國的Lunit和Vuno正在台灣積極地攻城掠地。就他們的肺部電腦斷層結節偵測，以及胸腔X光輔助判讀系統這兩個產品來說，台灣的廠商完全無招架之力。
為什麼會這樣?
第一、台灣的軟體業本來就不強。在這種產業背景下，AI軟體新創真的得要加倍努力才可以。就現況而言，我得說，台灣的新創公司得要天天深刻反省，多努力加油才行。關於軟體業的問題，先前我已經有另外一篇文章探討，這邊不再贅述。 有興趣者請見: https://www.facebook.com/ChaoyuanYeh/posts/10223494498889964
第二、在發展AI的策略上，台灣整體還是脫離不了硬體思維，想到AI的發展，第一件事情就是想到電腦。不信的話，Google一下”醫院 DGX”，看看你會看到甚麼新聞。相較之下，我們看不太到醫院延攬頂尖AI人才到醫院AI中心的新聞。最讓身為軟體業者的我想要掉眼淚的事情是，醫院可以花一千萬買兩台電腦，卻不願意用一千萬聘四五個頂尖的AI工程師。 同樣的硬體思維在國家層級也是一樣的。台灣政府用前瞻基礎建設計畫的錢建了一台很厲害的台灣杉二號超級電腦，但我們是否也找了頂尖的人才來用超級電腦呢? 醫院無法接受頂尖的工程師薪水跟醫師差不多的這個事實，所以醫院裡面的AI大多是醫師聘助理或博士後研究員在做。當然，醫院的本業應該是在解決病患的問題，本來就不適合投入太多資源在AI的研發上，應該是花錢採購AI解決方案就好。所以問題還是要聚焦在業界本身，以及產業環境上。
第三、台灣沒有太多可用的數據。甚麼? 台灣有傲視全球的健保，醫院電子化的程度也非常高，怎麼會沒有太多可用的數據? 我打個比方好了，數據跟原油一樣，原油只有開採得了才能進一步被提煉而加值，如果原油被埋在很鑿不穿的岩層下，那就沒有價值了。台灣的健保數據，受限於個資法的規範，不能提供給業界作為商業發展使用。目前，要利用健保的數據，只能以產學合作研究的方式，讓學界帶著業界去做已經開發好的AI模型的驗證。有一個更大的限制是，為了維護資訊安全，健保局不予許開發人員遠端連線，必須要人親自到健保局去。對於軟體開發來說，這簡直是一個不可能的狀況。難道我要把整個軟體團隊搬到健保局去嗎? 所以，健保局雖然用了不少的錢建立了一個健保影像資料庫，台灣的醫療影像AI公司並不能利用這些影像來開發商品。英國一樣有全民健保制度，政府為了要促進醫療科技發展，已經實施了解套的辦法，讓學界業界都可以使用健保資料做研發。台灣的健保雖然傲視全球，但是對於科技創新的貢獻微乎其微。新創公司只能自立自強去和醫院合作慢慢地收集數據。慢，對新創公司來講，是一個致命傷。就醫療影像AI的發展而言，從單一醫院的資料做出來的AI是不堪用的，AI模型最好是用多家醫院的資料進行訓練和驗證才可以確保其普遍適用性。新創公司要去找多家醫院同時簽約合作是非常困難的事情，這是慢上加慢。在美國，Mass General Brigham醫療集團(原名 Partners Healthcare，旗下最著名的為麻州總醫院以及Brigham and Women’s醫院 )成立了Center for Clinical Data Science，將旗下所有醫院的資料統整，以推動創新醫療科技的研發及商轉。另外一種模式則是像Memorial Sloan Kettering Cancer Center (MSKCC)，因為是referral center，收集了幾百個醫療機構的資料，這對於醫療影像AI的開發有莫大的助益，因此他們也生出了一個很成功的新創公司Paige。
第四、政府資料庫建置計畫規劃不當。這其實是上一個問題點的延伸。台灣政府不是沒有想要解決這個問題。除了健保署的”健保醫療影像倉儲與人工智慧應用平台建置案”，還有科技部的”醫療影像之巨量資料建立與應用研究專案計畫” (簡稱巨量醫療影像計畫)以及”臨床資料庫與AI之跨域開發及加值應用計畫”(簡稱臨床資料AI應用計畫)。巨量醫療影像計畫在規劃上有個致命的弱點，這個計畫所建置的資料庫並不能作為商業開發用途，所以對於新創業者並沒有幫助。這計畫執行期間，偏偏就是醫療影像AI發展的關鍵三年，2017-2020。臨床資料AI應用計畫今年剛啟動，有三個致命的弱點，首先，這個計畫是各醫院提案，並不是單一主題，多醫院收資料的方式，所以每一個醫院收集到的資料做出來的AI都會有缺乏普遍適用性的問題。第二，這個計畫收集的資料還是不能提供業界作為商業開發用途。第三，這個計畫採許雨露均霑的補助模式，每個機構得到的補助不多，要能把AI模型做到商品化是不可能的事情。明年度科技部即將有個新的資料庫計畫上路，叫做”健康大數據永續平台計畫”，我衷心期盼政府可以好好規劃，不過也不敢抱太大的期待。因為這個資料庫的建置其實對於新創公司來說，已經太晚了。韓國跟美國的醫療影像AI產品都已經賣到台灣來了，日本的也準備要賣過來了，這個計畫為期四年，有多少新創公司可以用得到這些資料呢? 能活到那時的公司，或許自己收資料的速度夠快了，也不太用得到這個資料庫。需要政府資料庫幫忙才能存活的新創公司，在國際競爭的壓力下，可能也活不到那時了。
雲象怎麼活到現在還可以繼續長大呢?
首先，我們選了競爭比較不激烈的數位病理的領域。講起醫療影像，大家最耳熟能詳的是放射影像。放射影像已經數位化二十年了，累積了非常多的資料。所以醫療影像AI新創公司成立時，選題多以放射影像的題目為主。相反的，病理科大多都還沒有數位化，因此也比較少新創公司專注在這個領域上。雲象同時開發數位病理工作流程系統和AI輔助診斷系統，在努力研究AI如何協助病理科醫師提高診斷效率的同時，協助病理科進行數位轉型。因此我們可以透過數位病理工作流程系統實現營收，支持公司持續成長。
再者，在AI題目的挑選上，我們選擇先從較小較難的利基市場切入。雲象出身微薄，是在我家人的支持下創辦的，一開始在資源拮据的狀況下，不敢選擇肺癌、乳癌等這種充斥著巨型競爭者的領域。我們往另外一個極端走，選了一個較小而且困難度高上許多的題目，骨髓細胞的AI辨識。就這個題目而言，世界上並不存在既有的資料集，任何想做的人都得重新收集資料，而且骨髓細胞辨識難度很高，需要運用的AI模型也還在持續發展當中，所以這個領域裡的競爭者非常少。我們所建置的標註資料集是世界上規模最大的，我們的產品也即將在台灣進入臨床試驗。目前，全世界並沒有類似的產品，因此這個產品受到血液科醫師以及經銷商的高度關注。
在資料收集上，我們走的是最緩慢的一條道路，也就是跟醫院一家一家的簽約。選擇競爭者比較少的題目，讓我們在時間上的壓力稍微小一些，還是可以以一定的步調往前進。
我們很認命的靠著自己的努力要突圍，但是看到外國的廠商已經開始將醫療AI的商品賣進台灣，我認為我必須要出聲求救，說服政府相關單位以及業界做出策略上的改變，一起強化台灣醫療AI產業，千萬不能錯失抓住醫療AI趨勢最後的機會，最後淪落到只能採購國外廠商解決方案的下場。
我給台灣的建言主要有兩點
1. 請政府多與醫療AI軟體新創公司對話，傾聽他們的需求，協助他們成長。我在諸多政府主持的策略會議上，都看到一個現象，主政者將台灣未來智慧醫療產業發展的希望，寄託在台灣的ICT產業上。例如，行政院科技會報的生技產業策略諮詢會議 (BTC)，請到了施振榮先生來講生技產業的全球戰略布局。我對於宏碁在電腦產業取得的成功萬分敬佩，但我認為生技產業的發展，不應該聽從施先生的建議。你可以想像美國政府的生計產業策略諮詢會議上面，請到戴爾電腦的創辦人Michael Dell先生來講生技產業策略佈局嗎? 在這些策略會議裡，新創公司幾乎沒有發聲的機會，只能坐在台下聆聽大老的教誨。台灣ICT產業的成功，無庸置疑，但是智慧醫療產業最大的機會是軟體的，智慧醫療產業的成功，必須要寄望於軟體新創。台灣最近流行的強強聯手的論述很有問題。這論述是說，因為ICT產業很強，醫療服務業很強，所以兩強聯手一定可以把智慧醫療做好。可是瑞凡，智慧醫療的關鍵在於軟體啊….? 抬頭看一下國際，馬上可以注意到，目前發展最成功的智慧醫療公司，都是軟體公司 。Flatiron Health, Zebra Medical, Babylon Health, Viz.ai等，都是很好的例子。這一波AI浪潮來了，是台灣發展軟體業很好的契機，請政府好好抓住吧。
2.我要呼籲醫界跟業界，不要再有 "這個我自己也可以做一個出來啊" 的想法了，想個辦法合體打群架吧。我舉個例子，就我所知，台灣至少有五個團隊在做肺結節偵測的AI，但每個團隊手上所有的資料以及投入的資源，跟國際相比，大概少了一到兩個數量級。台灣有太多小打小鬧的醫療AI專案，常常都停在發個新聞稿而已，沒有甚麼可以拿到國際市場去競爭的。我最痛心的，莫過於，台灣連要把全國COVID-19病患的資料整合起來做一個AI這件事情都做不到。台灣因為防疫太成功了，病患數很少，要做出有用的AI模型，把全台灣的資料全都加起來做都還不夠，更甭談是一兩家醫院的資料了。我們在雲象，使盡了吃奶的力氣，才生得出兩三個在國際上有競爭優勢的項目。公司裡許多正在研發的項目，離世界水準還有很大一段距離，我們天天在反省求進步，也想盡辦法要促成醫院之間的合作，這樣才有辦法真的走出去跟世界競爭。
我們身處在這個業界，沒有悲觀的權利，只能無比樂觀堅持往前進。但我心裡還是希望台灣的政府及產業環境可以一起進步，創造出繁榮的生態系，大家一起努力，才能成大事。時間不多了，得要用盡全力抓住這個即將逝去的機會。不然我們只能在幾年之後慨歎，台灣暨網路，大數據之後，又在AI的時代缺席了。
留言
張貼留言
發表一下意見，互動一下唄！