《TO》年度品牌活動 CONNECT 2020 正式上線！聚焦「智慧行銷」、「精準醫療」、「5G 新經濟」、「邊緣運算」4 大深度專題，邀您與百萬讀者共同關注疫後全球科技趨勢！
本文收錄於 「Edge Intelligence」專題系列報導。
>>> 報名 CONNECT，獲取最新專題報導上線通知 <<<
近來有許多醫院導入 AI 裝置，包含林口長庚推脊椎量化 AI，或者與科技廠合作推出 AI 應用，例如臺大醫院與科技廠輝達（Nvidia）聯手，推出針對心血管疾病的「心臟主動脈鈣化／脂肪」AI 模型，或者與健保署合作的胰臟癌 AI 偵測模型。
當去年（2019）健保署正式開放產學界申請「去識別化醫療影像」後，更有許多醫療團隊與科技公司、醫材新創合作，開發出越來越多加速 X 光判讀的 AI 應用，協助醫生更快地從醫學影像中抓出疾病病灶。
令人振奮的是，隨著研究推進，科學界發現 AI 的潛力不僅如此。除了醫學研究、影像判讀上，AI 能實際走進醫療現場、輔助臨床診斷的機會漸漸浮現。
邊緣運算能協助醫院打造更符合「效率」、「減輕醫護壓力」、「提高醫療水準」的智慧醫院，是智慧醫療勢必不可少的關鍵。
最需要邊緣運算的場景之一：重症監護
「胸悶」是臨床上常見到的狀況，如果還伴隨呼吸劇烈疼痛，呼吸或咳嗽出現呼嚕聲，就有可能是「氣胸」。
氣胸的症狀可大可小，嚴重起來，比如說「張力型氣胸」，發作起來可是會讓人隨時致命！
醫生一般會透過觀察胸腔 X 光片，遵循影像法則或仰賴過去經驗來觀察兩片肺葉的位置，但如果症狀來得突然，或患者忍痛指數不一導致敘述不夠明確，就很有可能讓醫生無法做出最恰當處置。
從平均數據來看，醫生檢測出氣胸的時間大約需要 8 小時；為了降低這個時間，美國聯盟醫療體系 Partners HealthCare（PHI）跟奇異（GE）公司旗下的 GE Health 合作，推出架在邊緣運算平台的重症監護套件（Optima XR240amx）。
這個套件的優點是，可以先用 AI 篩選出「危急」的 X 光片，準確率高達 96%，將診斷時間縮短為 15 分鐘！
GE Health 將這個套件放在基於邊緣運算的 Edison 平台上，除了可用於重症監護病房的套件，開發團隊還設計了多達 100 多項的服務，包含 AIRx，能讓開發人員利用深度學習、解剖切片的圖像識別技術，讓 MRI 斷層掃描影片的工作流程更加自動化。
病房的邊緣運算，展現醫療與技術跨界合作的決心
AI 需要用大量資料餵食才能在機器學習下跑出能夠決策的演算法，有如 Facebook 需要大家在上面製作原生貼文後才能按照個性化推送 News Feed；同樣地，在沒有邊緣運算之前，AI 的運行都是集中在伺服器端管理，但「醫院」這個場所不一樣，很多人命關天的時候沒辦法讓資料「回報總部」，這時候就需要能夠當下進行運算的 AI 馬上協助醫師做出決策，邊緣運算的技術就是要做到這點。
在不久的未來中，搭載了專業效能的晶片，能整合重症病房內的裝置，比如生理監視器、呼吸器、點滴注射幫浦，連上網路，以及進行本地端的初步分析。
「即時、重症照護需要在邊緣端運行的 AI。」GE 醫療的核磁造影影像部門（Magnetic Reasoning）的總經理 Jason Polzin 強調，此設備為跟 Nvidia 共同開發，這樣醫療與技術的合作在新時代是必要的、持續進行的。
台灣也有手術房的呼吸守護者–聿信醫材
受疫情影響「遠距醫療」也變成許多醫生跟患者的新溝通模式。當患者配備可攜式的穿戴裝置，即使患者不在醫療機構中，邊緣晶片也能協助收集、儲存、生成、分析重要的病患數據，例如監測血糖數據的連續血糖監測儀器（CGM）將血糖數據發送到手機；又或者是目前物聯網醫療中引人注目的開源計畫 OpenAPS，閉環胰島素輸送系統，不只測量患者血液中的葡萄糖量，還可以輸送胰島素，形成一個「閉環迴路」。
台灣也有一間醫材新創–聿信醫療器材–研究邊緣技術，設計出更小的胸腔貼片，呈現出更清楚的肺部的聲學訊號圖、肺部結構，協助醫師提早偵測呼吸與肺音的的異狀，可用於手術房中的麻醉呼吸監測，未來更可用於居家呼吸檢測。
全球知名調研公司 Gartner 的研究員 Bittman 這樣形容邊緣運算：「數位商業模式正為基礎設施帶來全面的顛覆。物理與數位的界線越來越模糊，但也創造更多新的企業與人的互動。」
為什麼科技廠也要投入做醫療邊緣裝置？
更多的 AI 穿戴設備、幫助監測身體狀況的 IoT 儀器，都需要 24 小時不間斷的運作，此外，因為醫療裝置是分散在病房，另一部分是因為要降低無謂醫療成本，各界都在推廣「精準醫療」的需求，需要更多能符合個人需求的感測器。
這些感測器將不會只是簡單的對光、聲音、或力道回饋，它們可能開始需要簡單的運算，加上機器視覺，能對特定的行為有所反應–這些都需要 AI 的運作。
AI 不僅創造了醫療數據化的需求，也反過來促進了裝置的 AI 化。醫療照護服務對雲端處理與日常應用的需求將會不斷擴增，整體醫療領域將會更加依賴數據。
邊緣運算的運作基礎在「AI 晶片」上
隨著邊緣運算在醫療的應用上越來越顯著，可一窺 AI 晶片商在市場競爭也愈加白熱化。
2018 年，英偉達（NVIDIA）打造出第一款機器人專用晶片 Jetson Xavier，鎖定在靜態視覺處理的十多種演算法上，兩年過去，更多車用圖像辨識晶片、語音命令處理晶片誕生，這些晶片能讓搭載的工具自動對接近/接觸的訊息採取行動。
同樣是 2018 年，Google 也開發了自己的專用積體電路（ASIC），Edge TPU。這個針對物聯網開發的低功耗電路板，外觀跟一張顯示卡差不多，卻能讓開發者得以在開放原始碼的人工智慧環境（TensorFlow Lite）Coral 平台上運行，自行訓練 AI 模型。
另一個 IC 領導廠商 Intel 也在近幾年積極佈局 AI 晶片市場，從工業到零售、再到醫療，陸續協助各個產業做邊緣運算轉型。隨著特定領域的專用 AI 將逐漸問世，Intel 也提出邊緣運算解決方案，協助醫院逐步整合診斷應用工具（如生理監視器、病患數據分析）、執行應用工具（如醫材管理、環境管理、文件自動化）、以及 IT 應用工具（如既有網路安全性、狀態回報）。
科技串連數據，讓技術得以輔助專業
在需要做出生死攸關的決策時，將數據應用與技術設備相結合，「邊緣運算」就像是手掌中的 AI，不只可在臨床上協助醫生在做出更明智的決策，也可將醫療範圍拓展