人工智慧在醫學影像分析 (二)：我國政府人工智慧政策

　　近年來國內學術圈致力於人工智慧的研究，也有不少卓越研發成果，然而多數業者對於將人工智慧植入在產品和服務上仍有所顧慮。經濟部沈榮津部長在「南方領袖教育學院」系列座談中提到^[1]，發展人工智慧的關鍵條件包括：「大量資料」、「人工智慧科學家」、「特定領域」、「資料標註」和「運算能力」，其中又以「大量資料」最為重要。此外，無論是機器學習或深度學習，任何模型訓練前除了需要準備資料外，其對應的「標註資料」更是不可或缺。經濟部在推動人工智慧的策略方向是優先選擇利基市場導入『產業人工智慧化』，這些市場包括：金融、製造、醫療、零售、能源等產業。另外，人工智慧發展將著重在晶片、系統、和演算技術，以達成『人工智慧產業化』。

　　透過政府研究資訊系統^[2]，分析近三十年來國內研究單位/學者以「人工智慧」為主題向政府提案的計畫數量逐年增加，2019年更是達到1,045件計畫執行。依據計畫金額分成三個類別：新臺幣1億元以上、500萬元至1億元、和500萬元以下，圖一為各個類別歷年計畫執行總數量，圖二為各個類別歷年計畫增加率。在整體計畫部分，2017年增加率達到105%，而2018年增加率更是達到253%；在經費1億元以上的計畫部分，在2017年數量增加8倍；而經費500萬元至1億元的計畫部分，則在2018年數量增加7.56倍。綜合上述結果與時事的關聯，因2016年AlphaGo戰勝韓國職業棋士一事，使得政府開始重視人工智慧的發展，也因此2017年計畫數量劇烈攀升，更在2017年7月科技部宣布未來5年投入50億元推動臺灣人工智慧發展^[3]，並以硬體設備為主要經費的投資。

圖一　各個類別歷年計畫執行總數量

圖二　各個類別歷年計畫增加率 

　　同樣地，利用政府研究資訊系統^[2]查詢2017年政府補助計畫，針對初次執行且獲得政府補助最高經費的兩項計畫分別是「物聯網尖端半導體技術計畫」和「人工智慧產業關鍵技術拔尖計畫」，前者計畫著重於智慧決策晶片和異質整合平臺等硬體研發，後者計畫則以人工智慧演算法、應用服務、雲端平臺等軟體研發。「人工智慧產業關鍵技術拔尖計畫」的規劃以產業AI化、AI產業化和平民化AI為三大主軸，並將人工智慧優先導入金融、製造、醫療產業。根據Kevin Hall引用IDC在2017年的報告^[4]，預估2018年全球認知/人工智慧系統最高支出的前五名產業是：金融(39.22億美元)、零售(29.07億美元)、跨行業(19.06億美元)、離散製造(23.6億美元)、以及醫療和保健服務(20.82億美元)，其中金融、製造和醫療與「人工智慧產業關鍵技術拔尖計畫」中規劃的優先導入產業不謀而合。深入探究該計畫內容^[5]，在『智慧醫療與健康管理技術與應用』分項主要是以【糖尿病眼部病變早篩】和【乳房病變先期防治】為主軸。從眼底鏡影像和數位乳房X光影像偵測和辨識病變，以輔助醫療人員進行判讀。該議題屬於影像辨識的一種，有鑑於深度學習在影像辨識的效能已有突破，執行團隊使用深度學習架構訓練兩類醫學影像的識別模型。在糖尿病眼部早篩部分可以對病變嚴重程度分成兩級，並且判讀四種病徵，包括：微血管瘤、出血、滲出物之硬滲漏、和滲出物之軟滲漏。在乳房病變先期防治部分，該技術可以偵測四種病變，包括：腫塊、鈣化、結構變形、和乳房組織不對稱。

參考文獻

1. https://www.ithome.com.tw/news/115591
2. https://www.grb.gov.tw/search;keyword=人工智慧;type=GRB05
3. https://www.ithome.com.tw/news/115591
4. https://ndiastorage.blob.core.usgovcloudapi.net/ndia/2018/cyber/Hall.pdf
5. https://join.gov.tw/acts/detail/a92a0a30-cb22-4679-a7f6-c976f4660b9c