0

0
0

文字

分享

0
0
0

物聯網與大數據時代下的個人化精準醫療

活躍星系核_96
・2016/02/20 ・1855字 ・閱讀時間約 3 分鐘 ・SR值 535 ・七年級

作者:潘人豪助理教授,元智大學大數據與數位匯流創新中心

Source: idownload blog

2014年,當致力於電子病歷(Electronic Medical Record, EMR)分析,藉以尋找癌症機轉與治療方法的大數據公司Flatiron Health獲得Google創投(Google Ventures)高達1.3億美元投資後[1],個人化精準醫療(personalized medicine)隨即成為火紅的熱門主題,這樣一股氣勢發展,讓美國總統歐巴馬(Obama)更在今年提出精準醫療計劃(Precision Medicine Initiative),並投入2016年預算高達2.15億美金之譜[2]。

在精準醫療這般的強勢展開下,不僅僅只有過去生物資訊上基因體學、轉錄體學上的資料探勘或是電子病歷醫療健康數據分析,物聯網(Internet of Thing)的發展也同時透過行動裝置與消費型穿戴式裝置大舉進入個人化健康促進與醫學上疾病研究領域。在這機電感測裝置快速發展下,各種輕巧卻具備多種感測裝置的隨身穿戴式裝置逐漸普及於消費電子商品市場,各家廠商發展出豐富的產品功能不僅能記錄活動頻率,更能偵測活動強度、睡眠狀態、作息規律,更甚至能取得穿戴者24小時的心跳狀態與壓力疲勞狀態,並利用這些生理數據進行健康促進的提醒與建議。

EHA945 Berlin, Germany. 9th Mar, 2015. Journalists test the new so-called Apple Watch of computer and software manufacturer Apple at the Apple Store in Berlin, Germany, 9 March 2015. Photo: Kay Nietfeld/dpa/Alamy Live News
Source: Nature

然而向來以創新設計為圭臬的蘋果公司,在這一波趨勢的發展下當然不會缺席,除了在2015年正式上市首款穿戴式裝置『Apple Watch』智慧手錶外,更針對醫學健康研究,大舉開放iPhone應用程序接口(Application Programming Interface, API),推出開放源碼的軟體架構ResearchKit[3,4],透過ResearchKit,研究人員與軟體開發人員得以在iOS系統中快速開發App並且直接存取iPhone具備的各項感測器。ResearchKit的精神,在於透過iPhone的普及進行大量自願者的招募參與研究實驗,藉由更多人的個人化健康、醫療大數據蒐集,進行規模更大更多元的研究。

Figure 1. 知情同意書個人簽章功能
Figure 1. 知情同意書個人簽章功能

ResearchKit的功能主要分為三大類別[5],問卷調查(Surveys)、知情同意書(Consent)與活動測驗(Active Tasks)模組,研究人員可以透過問卷調查模組快速設計研究問卷並且藉由App發布與統計記錄,而知情同意書模組更貼心的讓研究人員能自訂研究知情同意條文並提供志願者進行數位簽名以確保研究的進行符合人體實驗規範的要求。此外活動測驗(Active Tasks)模組更是研究人員極佳的調查工具,透過iPhone的內建功能,便可以透過iPhone 5, iPhone 5s, iPhone 6, iPhone 6 Plus和iPod touch每天甚至每小時頻繁、規律地採集數據,記錄人們的日常作息與生活變化,並且搭配內建的GPS、加速感應器、氣壓計與陀螺儀等先進感應器甚至是Apple Watch,可以更客觀、正確與精準的將數據量化並且傳送至ResearchKit app,這是過去醫療保健、公共衛生研究人員從未有過取得如此鉅量量化數據的機會[6]。

Table 1. ResearchKit活動測驗模組
Table 1. ResearchKit活動測驗模組

透過與ResearchKit共同合作的研究發佈,可以看到各種醫學研究的創意,如西奈山伊坎醫學院(Icahn School of Medicine at Mount Sinai)與康乃爾大學威爾醫學院(Weill Cornell Medical College)推出的Asthma Health[7,8],透過iPhone裝置記錄個人位置、個人每日活動與志願者記錄每日氣喘觸發原因,並提供地區氣溫與空氣汙染資訊以及衛教資訊供志願者進行參考。此外約翰霍普金斯大學(Johns Hopkins University)則透過ResearchKit整合iPhone與Apple Watch所獲得的資訊,開發出應用App:EpiWatch[9],針對罹患癲癇疾病的志願者進行生理數據偵測,記錄志願者於癲癇發作時的生理、心跳數據,藉以做為未來癲癇發作的預警與預防。此外羅徹斯特大學(University of Rochester)則是與 Sage Bionetworks 共同合作,透過ResearchKit開發出 mPower app[10],量測志願者的靈活性、平衡性、記憶力與步伐等,藉以了解個人的生理資訊變化與帕金森氏症之間的關聯。

個人化精準醫療,這個過去無數研究學者憧憬期盼卻遙不可及的夢想,在現今儀器設備、網路通訊與大數據分析處理技術大躍進的時代裡,已經逐漸成為可以實現的目標,相信不久的未來也終將普及於健康促進與醫療模式中。

參考文獻:

  1. Flatiron Health Raises $130 Million Series B Round Led by Google Ventures and Agrees to Acquire Leading Cloud-Based EMR Company Altos Solutions(2014-05-07)
  2. The Precision Medicine Initiative (2015)
  3. Apple ResearchKit
  4. ResearchKit open source framework
  5. ResearchKit Framework Programming Guide
  6. Apple ResearchKit launches in the UK: Here’s everything you need to know (2015-08-06)
  7. Asthma Mobile Health Study
  8. More than 75,000 People have Enrolled in Health Studies using Apple’s HealthKit (2015-07-28):
  9. Apple Brings to Light that new Research Studies have begun for Epilepsy, Autism & Melanoma using ResearchKit (2015-10-15)
  10. mPower: Mobile Parkinson Disease Study (2015)
文章難易度
活躍星系核_96
752 篇文章 ・ 114 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

0

2
0

文字

分享

0
2
0
數據塑造生活與社會,讓人既放心但又不安?——《 AI 世代與我們的未來》
聯經出版_96
・2022/12/28 ・2760字 ・閱讀時間約 5 分鐘

數位世界已經改變了我們日常生活的體驗,一個人從早到晚都會接受到大量數據,受益於大量數據,也貢獻大量數據。這些數據龐大的程度,和消化資訊的方式已經太過繁多,人類心智根本無法處理。

與數位科技建立夥伴關係

所以人會本能地或潛意識地倚賴軟體來處理、組織、篩選出必要或有用的資訊,也就是根據用戶過去的偏好或目前的流行,來挑選要瀏覽的新項目、要看的電影、要播放的音樂。自動策劃的體驗很輕鬆容易,又能讓人滿足,人們只會在沒有自動化服務,例如閱讀別人臉書塗鴉牆上的貼文,或是用別人的網飛帳號看電影時,才會注意到這服務的存在。

有人工智慧協助的網路平臺加速整合,並加深了個人與數位科技間的連結。人工智慧經過設計和訓練,能直覺地解決人類的問題、掌握人類的目標,原本只有人類心智才能管理的各種選擇,現在能由網路平臺來引導、詮釋和記錄(儘管效率比較差)。

日常生活中很少察覺到對自動策劃的依賴。圖/Pexels

網路平臺收集資訊和體驗來完成這些任務,任何一個人的大腦在壽命期限內都不可能容納如此大量的資訊和體驗,所以網路平臺能產出看起來非常恰當的答案和建議。例如,採購員不管再怎麼投入工作,在挑選冬季長靴的時候,也不可能從全國成千上萬的類似商品、近期天氣預測、季節因素、回顧過去的搜尋記錄、調查物流模式之後,才決定最佳的採購項目,但人工智慧可以完整評估上述所有因素。

因此,由人工智慧驅動的網路平臺經常和我們每個人互動,但我們在歷史上從未和其他產品、服務或機器這樣互動過。當我們個人在和人工智慧互動的時候,人工智慧會適應個人用戶的偏好(網際網路瀏覽記錄、搜尋記錄、旅遊史、收入水準、社交連結),開始形成一種隱形的夥伴關係。

個人用戶逐漸依賴這樣的平臺來完成一串功能,但這些功能過去可能由郵政、百貨公司,或是接待禮賓、懺悔自白的人和朋友,或是企業、政府或其他人類一起來完成。

網路平臺和用戶之間是既親密又遠距的聯繫。圖/Envato Elements

個人、網路平臺和平臺用戶之間的關係,是一種親密關係與遠距聯繫的新穎組合。人工智慧網路平臺審查大量的用戶數據,其中大部分是個人數據(如位置、聯絡資訊、朋友圈、同事圈、金融與健康資訊);網路會把人工智慧當成嚮導,或讓人工智慧來安排個人化體驗。

人工智慧如此精準、正確,是因為人工智慧有能力可以根據數億段類似的關係,以及上兆次空間(用戶群的地理範圍)與時間(集合了過去的使用)的互動來回顧和反應。網路平臺用戶與人工智慧形成了緊密的互動,並互相學習。

網路平臺的人工智慧使用邏輯,在很多方面對人類來說都難以理解。例如,運用人工智慧的網路平臺在評估圖片、貼文或搜尋時,人類可能無法明確地理解人工智慧會在特定情境下如何運作。谷歌的工程師知道他們的搜尋功能若有人工智慧,就會有清楚的搜尋結果;若沒有人工智慧,搜尋結果就不會那麼清楚,但工程師沒辦法解釋為什麼某些結果的排序比較高。

要評鑑人工智慧的優劣,看的是結果實用不實用,不是看過程。這代表我們的輕重緩急已經和早期不一樣了,以前每個機械的步驟或思考的過程都會由人類來體驗(想法、對話、管理流程),或讓人類可以暫停、檢查、重複。

人工智慧陪伴現代人的生活

例如,在許多工業化地區,旅行的過程已經不需要「找方向」了。以前這過程需要人力,要先打電話給我們要拜訪的對象,查看紙本地圖,然後常常在加油站或便利商店停下來,確認我們的方向對不對。現在,透過手機應用程式,旅行的過程可以更有效率。

透過導航,為旅途帶來不少便利。圖/Pexels

這些應用程式不但可以根據他們「所知」的交通記錄來評估可能的路線與每條路線所花費的時間,還可以考量到當天的交通事故、可能造成延誤的特殊狀況(駕駛過程中的延誤)和其他跡象(其他用戶的搜尋),來避免和別人走同一條路。

從看地圖到線上導航,這轉變如此方便,很少人會停下來想想這種變化有多大的革命性意義,又會帶來什麼後果。個人用戶、社會與網路平臺和營運商建立了新關係,並信任網路平臺與演算法可以產生準確的結果,獲得了便利,成為數據集的一部分,而這數據集又在持續進化(至少會在大家使用應用程式的時候追蹤個人的位置)。

在某種意義上,使用這種服務的人並不是獨自駕駛,而是系統的一部分。在系統內,人類和機器智慧一起協作,引導一群人透過各自的路線聚集在一起。

持續陪伴型的人工智慧會愈來愈普及,醫療保健、物流、零售、金融、通訊、媒體、運輸和娛樂等產業持續發展,我們的日常生活體驗透過網路平臺一直在變化。

網路平台協助我們完成各種事項。圖/Pexels

當用戶找人工智慧網路平臺來協助他們完成任務的時候,因為網路平臺可以收集、提煉資訊,所以用戶得到了益處,上個世代完全沒有這種經驗。這種平臺追求新穎模式的規模、力量、功能,讓個人用戶獲得前所未有的便利和能力;同時,這些用戶進入一種前所未有的人機對話中。

運用人工智慧的網路平臺有能力可以用我們無法清楚理解,甚至無法明確定義或表示的方式來形塑人類的活動,這裡有一個很重要的問題:這種人工智慧的目標功能是什麼?由誰設計?在哪些監管參數範圍裡?

類似問題的答案會繼續塑造未來的生活與未來的社會:誰在操作?誰在定義這些流程的限制?這些人對於社會規範和制度會有什麼影響?有人可以存取人工智慧的感知嗎?有的話,這人是誰?

如果沒有人類可以完全理解或查看數據,或檢視每個步驟,也就是說假設人類的角色只負責設計、監控和設定人工智慧的參數,那麼對人工智慧的限制應該要讓我們放心?還是讓我們不安?還是既放心又不安?

——本文摘自《 AI 世代與我們的未來:人工智慧如何改變生活,甚至是世界?》,2022 年 12 月,聯經出版公司,未經同意請勿轉載。

聯經出版_96
27 篇文章 ・ 19 位粉絲
聯經出版公司創立於1974年5月4日,是一個綜合性的出版公司,為聯合報系關係企業之一。 三十多年來已經累積了近六千餘種圖書, 範圍包括人文、社會科學、科技以及小說、藝術、傳記、商業、工具書、保健、旅遊、兒童讀物等。

0

1
0

文字

分享

0
1
0
AI 的 3 種學習形式:不同的目標功能,不同的訓練方式——《 AI 世代與我們的未來》
聯經出版_96
・2022/12/27 ・2368字 ・閱讀時間約 4 分鐘

搭配不同的任務,人工智慧的應用方式也不一樣,所以開發人員用來創造人工智慧的科技也不一樣。這是部署機器學習時最基礎的挑戰:不同的目標和功能需要不同的訓練技巧。

機器學習最基礎的挑戰:不同目標和功能需配合不同訓練技巧。圖/Pexels

不過,結合不同的機器學習法,尤其是應用神經網路,就出現不同的可能性,例如發現癌症的人工智慧。

機器的 3 種學習形式

在我們撰寫本章的時候,機器學習的三種形式:受監督式學習、不受監督式學習和增強式學習,都值得注意。

受監督式學習催生了發現海利黴素的人工智慧。總結來說,麻省理工學院的研究人員想要找出有潛力的新抗生素,在資料庫裡放入二千種分子來訓練模型,輸入項目是分子結構,輸出項目是抑菌效果;研究人員把分子結構展示給人工智慧看,每一種結構都標示抗菌力,然後讓人工智慧去評估新化合物的抗菌效果。

這種技巧稱為受監督式學習,因為人工智慧開發人員利用包含了輸入範例(即分子結構)的資料集,在這裡面,每一筆數據都單獨標示研究人員想要的輸出項目或結果(即抗菌力)。

開發人員已經把受監督式學習的技巧應用於許多處,例如創造人工智慧來辨識影像。為了這項任務,人工智慧先拿已經標示好的圖像來訓練,學著把圖像和標籤,例如把貓的照片和「貓」的標籤,聯想在一起,人工智慧把圖片和標籤的關係編碼之後,就可以正確地辨識新圖片。

貓貓!圖/Pexels

因此,當開發人員有一個資料集,其中每個輸入項目都有期望的輸出項目,受監督式學習就能有效地創造出模型,根據新的輸入項目來預測輸出項目。

不過,當開發人員只有大量資料,沒有建立關係的時候,他們可以透過不受監督式學習來找出可能有用的見解。因為網際網路與資料數位化,比過去更容易取得資料,現在企業、政府和研究人員都被淹沒在資料中。

行銷人員擁有更多顧客資訊、生物學家擁有更多資料、銀行家有更多金融交易記錄。當行銷人員想要找出客戶群,或詐騙分析師想要在大量交易中找到不一致的資訊,不受監督式學習就可以讓人工智慧在不確定結果的資訊中找出異常模式。

這時,訓練資料只有輸入項目,然後工程師會要求學習演算法根據相似性來設定權重,將資料分類。舉例來說,像網飛(Netflix)這樣的影音串流服務,就是利用演算法來找出哪些觀眾群有類似的觀影習慣,才好向他們推薦更多節目;但要優化、微調這樣的演算法會很複雜:因為多數人有好幾種興趣,會同時出現在很多組別裡。

影音串流服務利用演算法,進而推薦使用者可能喜歡的節目。圖/Pexels

經過不受監督式學習法訓練的人工智慧,可以找出人類或許會錯過的模式,因為這些模式很微妙、數據規模又龐大。因為這樣的人工智慧在訓練時沒有明定什麼結果才「適當」,所以可以產生讓人驚豔的創新見解,這其實和人類的自我教育沒什麼不同——無論是人類自學或是人工智慧,都會產生稀奇古怪、荒謬無理的結果。

不管是受監督式學習法或不受監督式學習法,人工智慧都是運用資料來執行任務,以發現新趨勢、識別影像或做出預測。在資料分析之外,研究人員想要訓練人工智慧在多變的環境裡操作,第三種機器學習法就誕生了。

增強式學習:需要理想的模擬情境與回饋機制

若用增強式學習,人工智慧就不是被動地識別資料間的關聯,而是在受控的環境裡具備「能動性」,觀察並記錄自己的行動會有什麼反應;通常這都是模擬的過程, 把複雜的真實世界給簡化了,在生產線上準確地模擬機器人比較容易,在擁擠的城市街道上模擬就困難得多了。

但即使是在模擬且簡化的環境裡,如西洋棋比賽,每一步都還是會引發一連串不同的機會與風險。因此,引導人工智慧在人造環境裡訓練自己,還不足以產生最佳表現,這訓練過程還需要回饋。

西洋棋比賽中的每一步會引發一連串機會與風險。圖/Pexels

提供反饋和獎勵,可以讓人工智慧知道這個方法成功了。沒有人類可以有效勝任這個角色:人工智慧因為在數位處理器上運作,所以可以在數小時或數日之內就訓練自己幾百次、幾千次或幾十億次,人類提供的回饋相比之下根本不切實際。

軟體工程師將這種回饋功能自動化,謹慎精確地說明這些功能要如何操作,以及這些功能的本質是要模擬現實。理想情況下,模擬器會提供擬真的環境,回饋功能則會讓人工智慧做出有效的決定。

阿爾法元的模擬器就很簡單粗暴:對戰。阿爾法元為了評估自己的表現,運用獎勵功能,根據每一步創造的機會來評分。

增強式學習需要人類參與來創造人工智慧的訓練環境(儘管在訓練過程中不直接提供回饋):人類要定義模擬情境和回饋功能,人工智慧會在這基礎上自我訓練。為產生有意義的結果,謹慎明確地定義模擬情境和回饋功能至關重要。

——本文摘自《 AI 世代與我們的未來:人工智慧如何改變生活,甚至是世界?》,2022 年 12 月,聯經出版公司,未經同意請勿轉載。

聯經出版_96
27 篇文章 ・ 19 位粉絲
聯經出版公司創立於1974年5月4日,是一個綜合性的出版公司,為聯合報系關係企業之一。 三十多年來已經累積了近六千餘種圖書, 範圍包括人文、社會科學、科技以及小說、藝術、傳記、商業、工具書、保健、旅遊、兒童讀物等。

0

1
0

文字

分享

0
1
0
培育屏東數位能量——屏東縣政府跨域數位爭霸戰頒獎典禮暨成果展
鳥苷三磷酸 (PanSci Promo)_96
・2022/11/24 ・650字 ・閱讀時間約 1 分鐘

「屏東縣跨域數位爭霸戰實戰競賽」頒獎典禮暨成果展於11月19號完美落幕。為培育屏東青年數位能力,屏東縣政府特別推動「跨域數位人才培育計畫」,主題包含「AVR 應用」、「數位光影技術」、「智慧物聯」、「自媒體影音串流」及「數位媒體應用」五大類,以透過學習數位工具提升履歷競爭力。更延伸計畫辦理「屏東縣跨域數位爭霸戰實戰競賽」,參賽隊伍都是在屏東就學或就業之青年報名,提供競賽總獎金30萬元,鼓勵與培育屏東的數位人才發揮創意,將屏東的故事透過數位方式展現出來。

本次參賽作品精采多元,展現屏東青年設計的創意及數位能量。包括影片拍攝屏東美食美景的「屏安米樂」及「做伙憩屏東」,利用線上展覽介紹屏東單車路線的「屏東單車旅遊趣」,以及獲得潛力獎的團隊「Animation Pingtung」、「斯卡羅」及「禁忌之戀」,第三名則是由透過線上迷宮遊戲的模式融入屏東各個區域的特產、美食的「屏藏物語」,第二名則是製作了年底即將啟動的屏東數位青創中心外牆,運用非常吸睛的光雕影像結合屏東元素的「光點屏東∞斑雕共構」,第一名殊榮則由屏東科技大學餐旅管理系的「鐵橋記」獲得,同學們運用實境解謎搭配Line機器人,透過遊戲方式介紹高屏溪的歷史。

每個團隊皆發揮獨特創造力,在課程中從0到1扎根數位技能、從無到有創造屬於自己的成果,屏東青年人才有目共睹,展現屏東縣政府陪伴青年,提供良好的創業環境與資源,有望未來提升屏東競爭力!

鳥苷三磷酸 (PanSci Promo)_96
179 篇文章 ・ 290 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia