6月2日！AI伺服器加速鴻海智慧健康成果！

 

新聞說:長庚醫院人工智能核心實驗室 活用 NVIDIA AI 解決方案， 盼藉此改善醫療流程長庚醫院在台擁有七大院所，是台灣最大的醫療院所體系，在進行新一代  IT系統建構的同時，在2018年1月決議導入AI技術，於同年5月設立長庚醫院人工智能核心實驗室，由風濕過敏免疫科主任郭昶甫擔任人工智能核心實驗室主任。進行技術與市場評估後，長庚人工智能核心實驗室決議導入四套 NVIDIA DGX-1 系統， 搭配 NVIDIA AI 軟體解決方案平台作為基礎，發展基於影像辨識的 AI 醫療影像系統， 未來也規劃建構基於 NVIDIA GPU 的 HPC 以及基於 Tesla T4 的推論節點系統， 構成完整的AI落地。背景長庚醫院相當早就希望能夠藉由自動化技術改善醫療影像判讀流程，然而過去自動化技術僅協助至將各種醫療資料送到醫療人員眼前， 最終仍需藉由專業人員判讀醫療影像資訊， 但醫療影像判讀卻是相當消耗人力成本的程序， 須由資深的專業醫師花費大量的時間進行判斷， 同時醫師又會隨著工作時間拉長影響判斷精確度。長庚醫院人工智能核心實驗室主任郭昶甫教授表示，用於AI技術的醫療影像相當珍貴，除牽涉資料隱私問題、又須是具辨識性的病例影像，較當前AI影像辨識使用的訓練素材不易取得；然而長庚醫院體系一年有超過820萬次的門診次數，加上早已導入影像數位化程序，長庚醫院經年累積的醫療影像資料可做為發展AI醫療影像辨識的優勢。人工智慧有助於加速抗細胞核抗體(ANA)血液分析挑戰以醫院體系的考量，穩定、可靠與架構延續性與擴展性是投入新硬體的優先考慮，同時需要追隨業界趨勢、站在巨人的肩膀上，NVIDIA現階段於AI影像技術有顯著的領先地位， 並在 NVIDIA AI 平台架構之下， 醫師僅需作為 AI 的使用者， 提供合適的素材進行模型訓練， 以及驗證模型的準確性， 目前也僅有 NVIDIA 的 GPU 方案能夠提供如此完整且成熟的環境， 使得 NVIDIA GPU方案成為長庚人工智能實驗室唯一的選項。郭教授指出，長庚人工智能核心實驗室選擇NVIDIA解決方案是必然的結果，過往AI對醫師而言是遙遠的 名詞， 問題癥結在於醫師並非軟體開發人員， 並不具備開發演算法的能力， 導致醫師無法將自身的經驗轉移到 AI 系統上。

不過隨著深度學習技術在導入 GPU 發展後嶄露頭角， 現今 NVIDIA 的平台能夠提供完整的硬體、 軟體環境，具備 AI 系統隨建即可用的能力， 架設好硬體與安裝 NVIDIA 提供的 AI 框架後， 醫師僅需專注在 AI 模型培訓與驗證 AI 模型的可靠性。解決方案 在評估階段， 長庚人工智能核心實驗室在初期藉由 GeForce GTX 1080 Ti 作為測試硬體， 搭配 CNN 卷積 神經網路技術以及 Inception V3 架構與 10 層深度學習網路架構， 以此建立研究模型架構進行技術評估， 初步進行血球型態判定測試， 第一次投入 10,000 多筆的資料， 以約 5 到 6 天建立初步模型，已經達到約  92% 的準確率， 而後續再度投入 65,000 筆資料進行訓練， 整體正確率已經超越 99%， 也因此決定擴大 投資積極發展 AI 技術。長庚人工智能核心實驗室當前由凱穩電腦協助導入四套 DGX-1 系統， 搭配 Pure Storage 超大 規模 AI-Ready 基礎架構 (AI-Ready Infrastructure; AIRI)， 軟體部分主要為 CLARA 外， 另外也由雋奇科技及展市華科技協助建置與 CLARA 對接軟體及周邊應用軟體。 較現行大幅縮減 AI 模型訓練時間， 目前也 已經將先前所使用的訓練素材導入新系統進行模型重新訓練， 目前除了既有的免疫螢光、 血球型態判定外， 也同時進行骨折影像判讀等， 許多專案同時展開進行模型訓練。凱穩電腦  協助導入四套 DGX-1 系統，搭配  PURE STORAGE  超大規模  AI-READY 基礎架構影響長庚人工智能核心實驗室以免疫螢光辨識作為關鍵的第一步，因郭教授的專業是風濕過敏免疫科領域，當前的免疫螢光及血球型態辨識發展已經相當成熟， 也已經有針對血球細胞進行自動化上機、 抹片、 搜尋、 拍照與基本判讀， 但由於特定細胞仍需專業醫師進行判斷， 希望能夠利用新一代的 AI 影像辨識技術替代醫師 進行判讀， 縮短醫師取得血液細胞分類、 縮短疾病診斷與實現全自動化血液細胞判讀。郭教授坦言， AI在現階段醫療影像判斷的能力基準是以訓練者的最好能力作為頂標，AI不可能超越原本培訓者的判斷能力，由於醫學影像牽涉人命，需要由經驗豐富的資深醫師進行研判，但卻也使可貴的醫療資源花費在繁複的程序上，然而由資深醫師訓練的AI卻能輕易超越醫師的均標，此外AI系統不會有疲倦導致誤判的問題，同時一套AI系統未來能夠針對不同領域進行訓練，可望將多個領域的醫療影像專業整合。郭昶甫教授，長庚醫院人工智能核心實驗室主任，由於AI可以整合各領域醫師對於醫療影像的專業，亦能發現影像中人類不易察覺的部分，若結合長期的訓練，有機會將病症判讀的階段昇華到病症預測；此外，由於許多罕見病例影像資料取得不易，長庚人工智能核心實驗室也在評估藉由GAN對抗生成網路，利用AI產生罕見病例的影像資料，使其能增加訓練素材藍本。郭教授認為，發展AI並非是要取代醫生的專業，而是用以改善整個醫療流程，使專業人員能夠專注在問診的過程，AI相當適合作為醫療體系解決第一線找尋病因的部分，而後由身為人類的醫師把關向患者擔保AI的判斷無虞，故AI判斷準確率只是最基本的條件，接下來要能夠使系統易用並改善當前的醫療程序，同時協助醫師更專注於與病人間的互動以及傾聽問題，故AI在醫療影像技術解決的是寶貴且難以具體量化的專業人力與時間成本，也是長庚醫院期許長庚人工智能核心實驗室應用 AI 技術帶來的價值。

A大回答:從2024年6月2日回頭看一下當初劉董提出的F3.0(轉型升級)，包括未來產業電動車，數位醫療，機器人，核心技術的AI，半導體及5G，大家就不得不佩服鴻海的眼光了，在五年前就已經佈局了未來產業的趨勢，當初大家可能還沒有感覺鴻海把AI放在核心技術的原因，直到今天大家才知道原來人工智慧這麼重要，蘋果也是在今年初才發覺這件事，年初時蘋果放棄或推遲電動車，把資源集中放在AI上，蘋果發覺未來電動車應該是AI電動車的天下，所以自己要先打好AI的基礎，讓自己的手機，平板，電腦，筆電，眼鏡等產業和AI結合，蘋果這樣的改變對鴻海來說是件好事，畢竟蘋果也沒有說電動車要給鴻海代工，但蘋果目前所有的ICT產品大部份都是由鴻海代工，所以蘋果朝向AI然後普及到所有的手機，電腦，筆電，平板，眼鏡等，這對鴻海來說就是好消息，鴻海則比蘋果早五年就知道AI的重要性，五年前就把AI當成核心技術在發展，當初鴻海認為未來的趨勢是電動車，數位醫療，機器人，也覺得人工智慧，半導體及5G很重要，結果沒想到到了2023年下半年時，AI忽然出現突破性的進展，市場發覺AI這樣的進展時，可以運用到電動車，數位醫療，機器人，手機，電腦，筆電，平板，眼鏡等，忽然鴻海整個就撿到槍了，原本鴻海就有在佈局AI，也有在佈局電動車，數位醫療，機器人，沒想到AI一起來後，數位健康及機器人都跟著起來了，未來連AI電動車也會起來，鴻海光吃AI伺服器就能確保未來5到10年成長沒問題，加上鴻海原本就有佈局電動車，機器人及數位健康，之前輝達在GTC大會上有提到機器人及數位醫療，這兩項鴻海又都有佈局，鴻海在股東會上說會和輝達合作開發人形機器人生產系統，這就意謂著未來鴻海有可能去代工機器人，也有可能去賣機器人的一些關鍵零組件，最近也愈來愈多的醫療機構把AI導入醫療，這對鴻海數位醫療這一塊也是有幫助的，大家看到不同的機構都在買AI伺服器，就知道AI伺服器未來商機有多大，昨天美超微梁見後捐AI伺服器給母校北科大，之前COVID-19發生時，政府，醫療機構，廠商，學校，一般人都在搶口罩，所以讓口罩供不應求，後面是疫苗問世才讓口罩需求變少，AI伺服器現在的需求不會輸之前口罩之亂，一開始雲端大廠就瘋狂的搶AI伺服器，全國政府也在佈局AI主權，會用在國防，武器，國家發展等，醫院也在佈局AI伺服器，用於訓練醫療，學校機構也是佈局AI伺服器，用於學術及教育，一些企業也在佈局AI伺服器，用於訓練公司專屬的資料庫，AI算是最強大腦，當你有了大腦後，你就需要四肢，也就是工廠用的機器人或是人形機器人，這可以用於工廠，勞動力等地方，所以輝達要去佈局人形機器人，這應該很好理解吧，你就把AI想像成你的大腦，你有一個很強的大腦，結果沒有四肢，那很多運用你是不能做的，一開始的AI放在雲端，手機，電腦，筆電，平板，眼鏡上，就是透過人類去用文字及聲音觸發，然後得到結果後要由人類去執行，你總不能把AI放到一個工廠後，然後就是出一張嘴吧，AI比較偏嘴砲主管或老闆，他們有想法，有知識，但後面還是要員工來做，在AI的世界中機器人就是員工的角色，由最強的AI大腦觸發，然後工廠機器人或人形機器人來執行，這時會有人說，為什麼要人形機器人呢？其實人形機器人比一般工廠機器人能做更多的事，例如一些工廠是機器手臂，那個手臂就只能在單一的地點，然後很精確的完全任務，但就是不能做不同的事或移動，這就不能運用在做家事，老人照護，送貨等，所以人形機器人配AI是最全能的，一開始人類擔心人形機器人會搶了人類工作或是統治地球，所以一開始就是循序漸近，先把AI放到雲端，然後你去訪問，接著放到電腦，手機，筆電，平板，眼鏡，你總不會擔心手機會搶了你的工作或是統治你吧，你在這些沒有手，沒有腳的3C產品先習慣一下AI的技術，後面就轉到不會動的固定機器手臂上，當人類慢慢的接受後，最終就是會把AI放到人形機器人上，現在很多行業是找不到人的，所以人形機器人可以一開始用於去做人類不願做的事，或是危險性高的事，例如爬高壓電塔，清下水道，在大太陽下做粗工，餐廳服務，便利商店，夜班護理人員，執法人員等，所以輝達看的是比較長遠的事，輝達認為數位醫療及人形機器人才是最終形態，雖然人類接受還需要一段時間，不過這也是未來趨勢，之後人形機器人出來後，如果有什麼大問題，就會開始去檢討之類的。

鴻海官網說:台灣數位健康大聯盟成立滿週年，跨產業合作秀成果，全球最大科技製造與服務商鴻海科技集團積極投入數位健康產業，今年在台灣數位健康大聯盟成立一週年之際，盛大舉行專案研討會，邀請聯盟成員共同以『建立與患者的永續關係』為核心展開六大議題，與外界分享數位健康落地生態行動。第二屆台灣數位健康大聯盟專案研討會在2023年11月30日於南港展覽館舉行，由中央健康保險署石崇良署長擔任開場貴賓，分享國家數位健康政策發展著重方向，署長強調醫療與ICT產業都是台灣強項，如果強強攜手就會是台灣下一個新的護國群山。除了去年發布的八大領域12家廠商外，現場也舉行新聯盟成員加入儀式，包含臺中榮民總醫醫院、高雄長庚紀念醫院、高雄市立鳳山醫院、臺灣專科護理師學會、雙橡園開發等聯盟夥伴共襄盛舉。作為聯盟共同發起人的鴻海B事業群總經理姜志雄表示：「在台灣，數位健康絕對是一個可供長期持續發展的產業領域，得益於政策開放和各界跨產業的支持，台灣數位健康已揚帆啟航。隨者健保署推行居家醫療、遠距醫療、視訊看診、數位處方簽等擴大試辦，院內服務正向院外延伸，即『From Hospital to Homespital』的概念。因此需要原創的整體解決方案，將院內與院外、端與雲、軟硬整合、虛實交互相結合，以建立與患者的永續關係，相信這也是所有參與者共同的期許。」工研院生醫與醫材研究所所長莊曜宇所長表示，「BIO加上ICT需要靠鴻海這樣的業者來協助落地，我們很期待能透過這個平台，與鴻海一起來推動。大家共襄盛舉一起為台灣下一代的數位健康，做好先期投資與健康管理。」數位健康作為集團「3+3」重要發展產業之一，鴻海於研討會上重磅發布CoDoctor AI人工智慧輔助診斷系統，其三大優勢包括擴增智慧賦能、巨量醫學模型、正港台灣原創。醫學模型內容涵蓋從眼底看全身、單導心電運用於心房顫動，心室早縮，房室傳導阻滯，甚至到多種生命徵象跨類別分析之臨床價值等，皆由醫生現身說法，盼可輔助診斷，達到事半功倍之效。HiMEDt 創建一個開放式的數位健康新生態系統，串連18家廠商，橫跨8大領域，融合台灣兩大優勢領域-科技與醫療，在台灣科技與醫療兩大優勢產業的基礎上，藉由新模式、新生態、新數據、新場域等四大創新服務，打造開放式的數位健康新生態系統，以患者為中心、醫院為主軸、科技為橋樑，與台灣北、中、南、東部各重點醫院建立智慧醫療中心，促進智慧醫療領域的全面合作。推進台灣數位健康產業成長，打造台灣成為全球智慧醫療之標竿國家。

個人股市研究觀察記錄文章目錄