過去 3D 組織影像無法實現,最大的難點,在於無法突破組織的透光障礙。捷絡生技專利化的光學組織澄清技術,最厲害之處是讓檢體樣本不被破壞就可以「變透明」,達到清水般的穿透率。傳統樣本處理,會經過物理切片及脫水,組織結構發生形變無可避免,讓病理全貌難以被量化和標準化來進行評估。但這項獨家的組織澄清處理技術,可最大程度保存樣本原來的面貌,還能讓樣本進行重複染色,再利用於各式生物檢驗。更重要的是,不再是單一切面的樣本,讓全自動影像掃描擷取,從不可能變得可能。
把檢體樣本透明化之後,研究團隊接著以高速鐳射顯微鏡,對樣本進行全身掃描後,數位縫合平行多叠影像。只要搭配適當的染色技術,就可迅速取得比傳統檢測還多百倍資訊量的高精度 3D 腫瘤影像。這些病理組織樣本的全景 3D 細節,讓醫生可以更清楚判別癌細胞的型態、分佈與周圍細胞的交互作用。
研究團隊也沒有停留在 3D 影像產製的完善,更抓緊大數據、巨量分析的趨勢,目標是要提供 AI 自動化病理組織影像分析。研究團隊建立不同癌症的 3D 數位病理影像資料庫,讓電腦進行機器學習,透過癌組織的特徵辨識訓練,目前已可得到超過 90 % 的準確度。AI 自動化分析能克服傳統人工判讀模式潛藏的誤差(如不同判讀者的差異、視覺疲勞與檢體採樣量不足等問題),大大減輕臨床病理醫師的工作負擔,加快診斷的效率。癌症的治療,就像與死神賽跑,所以盡速決定對風險最小、成效最佳的療法,對提高病患的存活率至關重要。
-----廣告,請繼續往下閱讀-----
未來,捷絡生技這個領先全球的 3D 數位病理檢驗暨 AI 分析平臺,預期可實際應用在檢測藥物的穿透性、篩選適合免疫療法的病患、分析腫瘤微環境等方向。不管是從美國或是臺灣的例子,都讓我們看見不同領域相互激蕩的成果,並非止步於學術象牙塔的研究,而是可以被實際應用在日常生活中的技術。
由人工智慧擔任警察,再也不是科幻電影的情節,交通管制常見的科技執法就是應用 AI 辨識闖紅燈、未依規定轉彎、車輛不停讓行人等違規行為。 AI 的客觀、高效率正在挑戰以人為審判主體的法治領域,這樣的轉變會對我們產生什麼影響呢?中央研究院「研之有物」專訪院內歐美研究所陳弘儒助研究員,他將帶我們思考:當 AI 取代人類執法時,將如何改變人們對守法的認知?
ALI 這個詞源自 Mireille Hildebrandt 的研究,在概念上可區分為兩類:採取傳統程式碼的 IFTTT(if this then that)、運用機器學習的資料驅動。前者是注重法律推理或論證的計算機模型,將法律規範轉為程式碼,藉由程式編寫來執行法律任務。後者則透過大量資料的學習,來預測行為範式,用於再犯率、判決結果預測上有較好的成果。
一般情況下,應用在交通管制的 ALI 會辨識車輛是否超速、闖紅燈等違規行為,不過交通情境千變萬化,ALI 能否做出包含「道德價值的判斷」將是一大挑戰!
中研院歐美研究所陳弘儒助研究員察覺,人工智慧(AI)正在左右人們對守法的價值判斷及背後的因果結構,進而反思當我們將原本由人來判斷的事項,全權交由 AI 來執行時,可能產生哪些潛移默化的影響?
讓我們與陳弘儒展開一場從法哲學出發的對話,探索 AI 與法治價值之間的緊張關係。
-----廣告,請繼續往下閱讀-----
怎麼會對「人工智慧」(AI)與「法律人工智慧系統」(ALI)產生研究興趣?
會對 AI 感興趣是因為我很早就對電腦有興趣,我原本大學想唸資訊工程,因為高中有些科目沒辦法唸,於是去唸文組,大學進入法律系就讀,研究所考入「基礎法學組」研讀法哲學。
後來我到美國讀書,當時 AlphaGo 的新聞造成很大的轟動,啟發我思考 AI 的應用應該有些法律課題值得探討,於是開始爬梳 AI 與法律的發展脈絡。
AI 這個詞大概在 1950 年代被提出,而 AI 與法律相關的討論則在 1970、80 年代就有學者開始思考:我們能否將法律推理過程電腦程式化,讓電腦做出跟法律人一樣的判斷?