全球雲端科技、物聯網、行動裝置、社群網路、與通訊技術等的快速發展，加上Covid-19疫情的衝擊，帶動科技史上最快的變革，不僅加速創新知識的產生，也使AI和巨量資料成為近期備受全球關注的趨勢科技議題。巨量資料帶來的挑戰不單是因應資料量、資料速度與資料型態所衍生如資料倉儲、處理等相關技術的變革，更需要透過多元資訊整合、智慧分析、與AI機器學習，來發掘並詮釋隱藏於資料中的價值與創新應用。本課程將介紹巨量資料的特徵、發展趨勢、和相關的ABCDEFG創新科技 (AI, Blockchain, Cloud, Data-tech, Edge intelligence, Fintech, 5G)，並探討大數據創新的成功案例與在健康照護領域的發展機會。

林蔚君 教授
慈濟大學，慈濟大學醫學院講座教授

由於深度學習晶片和影像辨識技術的進步，人工智慧的產業應用受到高度重視，過去四年全球AI創投在AI的投資提高了四倍。醫療體系面臨高齡化社會、人力短缺、成本攀升，以及Covid-19疫情等衝擊，也加速投入AI/ML。 

在這門課程裡我將先做一個 AI 的通識介紹，接著就醫療照護與醫院管理等領域，在媒體的炒作和實際中，人工智能將對哪些領域產生一些持久影響，做一個簡介，如融合醫療影像與臨床數據分析的醫療保健 AI  診斷輔助、風險評估及零接觸的遠距醫療等快速成長的服務模等等。

王可言  董事長
臺灣金融科技公司／Fusion$360

沈之涯 教授
清華大學，資料工程學系

本迷你課程透過「以人為中心的智慧醫療」、「數據驅動的新發現」、「醫學數據分析框架」三大主題，闡述以人為中心的智慧醫療。修習本課程後，您會對於智慧醫療之發展脈絡有初步的認識，其次對於醫療人工智慧的運作、醫學資料的智慧分析與應用有基本的概觀，並將完整地了解醫學數據分析框架 (Medical Data Analytics Framework, MeDA Framework)。我們尤其強調從醫學數據分析框架的觀點，釐清「以數據驅動為基礎的智慧醫療解決方案」從無到有的開發流程，應始於具設計思維的規劃，並具備臨床資料、智慧分析、臨床工作流程等要素。最終，將通過法規認證與符合倫理考量的解決方案，發揮為醫師賦能的角色，達到 Help Doctors to Help People 的目標，進而提升病患與民眾的健康福祉。

第一章：以人為中心的智慧醫療

醫療的本質出自於人類對健康的需求，以及對生命的關懷。智慧醫療的數據來源、AI 模型開發、應用及服務，皆與人息息相關。以人為中心的智慧醫療，也是指以人為主體，由各領域的專業人員共同努力，為人們帶來健康福祉。我們除了簡要地介紹人工智慧的演進，以及人工智慧如何逐漸被應用於醫療場域，更進一步指出，AI 並非智慧醫療中唯一的要素。置身其中，也必須具備生態圈觀點，透過跨領域、跨界、跨國的多方參與及通力合作，方能實踐以人為中心的智慧醫療，進而產生正向影響力。

第二章：數據驅動的新發現

本章闡述人工智慧的本質，可從「數據驅動新發現」的三個面向來理解。首先，在醫學資料的蒐集與處理 (Multimodality Data) 部分，我們由宏觀至微觀的視角，介紹電子病歷、生理訊號、醫學影像、病理切片及基因資料等各類醫學資料。其次，在醫學資料的智慧分析 (Intelligent Analytics) 面向，我們說明如何透過醫學領域知識、資料科學、機器學習、深度學習、數學、統計與高效能運算的跨領域整合，產出 AI 模型，促進醫學相關的新發現與新應用。有了前兩者的基礎，方得以落實在醫學資料的臨床應用(Medical Workflow) 。

第三章：醫學數據分析框架

我們進一步探索人工智慧如何在臨床場域整合醫生日常的工作任務、連結臨床工作流程，並同時考量使用情境與相關利害關係人，以及法規驗證與道德考量，最終產生具體的臨床效益。而面對其中的種種的挑戰，我們提出統整性的「醫學數據分析框架」 (MeDA Framework)，以跨越自然科學、資訊科技、社會科學等領域的融合為核心概念，並透過智慧分析、數據賦能為方法，建構出高品質與高價值的智慧醫療解決方案，將挑戰轉變成可能性，持續朝向以人為中心的智慧醫療推展。

王偉仲 教授
國立臺灣大學，應用數學科學研究所 MeDA Lab

在醫學影像上的深度學習實作通常會使用 Python 程式，另外在 Google Colaboratory (Colab) 環境上執行通常為初學者快速上手的方式。我們將介紹何為 Google Colab 以及示範基本的使用方法、注意事項；並且示範一些基礎的 Python 語法，並且針對將來實作演練時可能會遇到的狀況提供一些技巧與提醒。

在實踐各種人工智慧於醫學影像上的應用時，影像結構與影像處理方法為最基本需要熟知的觀念。在影片中我們將介紹影像資料格式以及幾個常見的影像處理方式，也會聚焦於一些醫學影像常見的情況與對應方式；並且會在 hands-on 影片中提供一些範例，實際利用程式查看、操作、視覺化影像。

機器學習是實現人工智慧的重要手段之一，近期相當熱門的深度學習，也是屬於機器學習的一線分支，因此，了解機器學習的基本運作原理，是通往了解現代人工智慧的重要里程碑。在這一系列的影片中，我們會帶領大家認識機器學期的基本的概念與運作方式。同時，配合醫學題材，我們將會簡介一種抽取醫學影像特徵的方式：影像組學，並且透過實際的操作例子，示範如何結合機器學習與影像組學，產生可運作的人工智慧模型。

在瞭解深度學習的概念後，可能會浮現的問題是，該技術的使用場景有哪些? 在一線研究場域這些技術是如何被實作的? 在接下來的兩部影片中，我們將以 MeDA Lab 心電圖計畫為例，向大家展示實作流程。內容包含資料蒐集、資料處理、與模型建立的方法，並且透過實際的操作例子，示範如何結合深度學習與心電圖資料，完成一項在醫療場域可能被實踐的計畫。

分類任務在許多場合是一個常見的需求，在結構化資料 (如表格資料) 的情況，我們有許多現有的方法可以去使用，而非結構化資料 (如影像資料) 則必須先對影像進行特徵擷取才能進行後續的分類，而擷取出來的特徵，則會大大的影響後續的分類結果，在這系列的影片中會介紹如何透過建立一個分類模型對醫學影像做特徵擷取並進行分類。

物件偵測 (Object Detection) 是指在影像中，利用長方形的框標出物件的位置，並針對該物件進行分類，能快速且有效的達到分類及位置判斷的目的。

在這系列的影片中，我們將從基礎且經典的物件偵測模型開始介紹，並且與醫療領域做結合，向大家展示物件偵測在醫療影像上的可能性。

影像分割 (Image segmentation) 是一種藉由標記像素點的方式，來找出影像中重要的區域 (例如器官或是腫瘤) 的方法。影像分割可以使原始的影像更容易理解或是分析，有許多的應用。

在這個系列的影片中我們將介紹如何把深度學習應用在影像分割的問題上，並且提供一個實際的範例來演示如何訓練一個醫學影像分割的模型。

當我們建立人工智慧模型後，緊接而來的問題便是模型表現如何，由於表現的面相眾多，我們必須要掌握各種不同的衡量方式，才能使模型衡量面面俱到。在這一系列的影片中，我們將介紹各種面向的人工智慧模型效能評估方法。我們將會先介紹衡量分類模型的指標，並且利用其特性連結到衡量分割模型的指標。最後，我們也會針對模型的變化程度、拓展性，與合理性，介紹一些常見的評估方式。

聯邦學習是一種分散式的模型訓練方式，它的特色是能夠讓更多的資料加入模型的訓練，同時又保有資料的隱私。在這次的影片中我們將會講解聯邦學習的觀念以及由深到淺的幾個聯邦學習方法，除此之外也會簡介幾個支援聯邦學習的軟體套件。

生物技術、醫療科技以及各種軟體的快速發展提供了許多應用於各項領域的機會。除了先進的研究外，要將這些研究發展為成功的應用，更需要對於商業運作通盤的了解以及新創精神。本課程將包含教師個人的經驗以及在 MIT 和 Harvard 實際參與的課程內容，將新創過程中包含需求與發想、顧客與使用者訪談分析、商業模式考量等重點介紹給大家，並歡迎學員們提供自身想法或專案，後續進行討論。

本課程涵蓋可用於醫學 AI 的統計分析基礎。主要主題包括線性迴歸、羅吉斯迴歸，ROC 曲線分析、卜瓦松迴歸、生存分析。本課程將從連續型資料開始，介紹迴歸分析的理論架構以及其應用方式，然後再推廣到不同資料結構的分析方法，包含二元資料、計數資料、以及存活資料。本課程的另一個重心放在 R 軟體的操作以及實際資料的分析。希望修課的學生可以根據資料的結構，選擇適當的分析方法，並了解其運作原理，完成正確的統計分析。

醫學影像是現代醫學非常重要的非侵入性診斷工具，也是一門跨領域之專業，適合物理學家、化學家、工程師以及醫師對任何特定領域進行研究。 在本系列課程中，我們將介紹 X 光、電腦斷層掃描、核醫影像、超音波及 MRI 磁振造影的影像物理、成像技術、成像系統以及其在診斷放射學中使用的系統的應用。本課程也以 X 光電腦斷層掃描為例，解說斷層掃描的數學原理及重建演算法，藉由實例的講解，幫助大家了解醫學影像的操作與應用。

代謝（metabolism）是生物維生的重要機制，代謝過程中產生許多代謝物（metabolites），代謝體（metabolome）是這些代謝物的總合，代謝體學（metabolomics）則是研究代謝體數據探索生命與代謝機制的重要科學。代謝體學是多體學（multi-omics）中重要的一環，相較於基因體學（genomics）、轉錄體學（transcriptomics）、蛋白質體學（proteomics）等，代謝體更接近下游的外表型（phenotype），深受行為、飲食、環境等因子影響，搭配其他體學，增進對生命系統與外表型全貌的瞭解。本課程介紹統計代謝體學的基本概念與代謝體資料分析流程（以層析質譜數據為主），搭配分析軟體與資料庫的介紹與操作，以實例解說，希望有助大家對統計代謝體學的瞭解與應用。

生物科技一日千里，生物晶片與定序科技快速發展，產生大量的基因體數據。解析基因體大數據不僅有助探索生命的奧妙，並可促進精準醫療與健康。本系列課程介紹統計基因體學觀念、人類基因體研究、基因定位方法，並搭配分析軟體的操作與解說，希望有助大家對統計基因體學的瞭解與應用。

台灣的全民醫療保險不論在品質與可近性都是舉世推崇的成就，然而隨著超高齡與少子化社會來臨，醫療照護的財務壓力將會更嚴峻。所幸人工智慧在醫療照護之應用，可提升醫療品質、降低醫療浪費，故成為我國大力推動之政策方向。本課程以人工智慧醫療之開發與應用為主題，介紹相關之倫理與法律議題，希望有志於此項發展的人，能減少因不了解法規與倫理議題而衍生之爭議，讓相關技術與應用可更順利發展，造福整體社會。

沈之涯 教授
清華大學資料工程系

許明暉 醫師／教授／數據長
臺北醫學大學，大數據研究所

醫學影像人工智慧的發展，依賴收集巨量的影像資料，作為人工智慧學習與模型開發的素材。但是受制於醫療單位彼此之間資料不易互通與共用，加上資料自主權的主張，真正巨量醫學影像的集中與收集，通常不易達成。至於影像資料的來源，則可直接或間接影響人工智慧診斷模型的訓練與成果。影像資料來若來自於單一或少數醫療機構，其資料的同質性較高，有利人工智慧診斷模型的訓練，缺點是資料搜集速度較慢。多方資料搜集，則可在較短的時間內快速累積巨量資料，但其中所蘊含的資料異質性，對於人工智慧診斷模型的訓練與開發則具較高的困難度與挑戰性。我國衛福部健保署在2019年中推出「全民健康保險資料人工智慧應用服務」試辦專案，提供自2018年起搜集的來自全國23家合約醫療院所的醫療影像資料供人工智慧研究。國內人工智慧研發團隊在經過申請並核准後可進到健保署的研究專區，使用此國家級的去個資醫療影像集進行人工智慧模型研發。這全球罕見，由政府公務單位基於全民健康福祉所推動試辦的專案，提供團隊跨越機構的藩籬，進行異質性資料人工智慧研究的契機。

從2018年起，一個打破傳統人工智慧學習方式-聯邦式學習(Federated Learning)在全球的醫學影像人工智慧化的生態圈中逐漸開展。在聯邦式學習的環境中，數據科學家透過網路連結，將分散於各個節點醫療機構的影像資料所訓練與推論的人工智慧模型，集中到模型集結伺服器(Model aggregator)，再經由統計運算集結這些的推論結果，產生共同的新模型。在此學習架構下，雖然資料不離開原醫療單位，也可達到與「集中資料以開發人工智慧模型」的相同效果。

現代的醫療分科精細，各醫療分科醫師專司其職，病人在就醫的過程中，也會輾轉尋求各專科領域的醫師，提供專業分科的醫療。如果我們對人工智慧在醫療領域的應用與發展，懷抱的是與現實環境中相同精細分科的期待，換句話說，醫療分科多精細，人工智慧模型的種類與數目就應該多精細，那我們的確還有一段路要走。不過未來，在醫病互動的過程中，我們深信屬於科學範疇的醫學：隨著人工智慧模型的開發與精益求精，醫療機構將可以日以繼夜、全年無休不受工時限制且無遠弗屆提供即時且精準的專業服務；至於屬於哲學部分的醫學：人性關懷與醫病之間的互動和醫療照顧責任歸屬等面相，仍然是醫療人員在醫療志業中永遠的基本核心價值。

在醫療影像資料集的取得與人工智慧診斷模型的研發漸趨明朗與成熟之後，如何有效整合與推廣人工智慧診斷模型的臨床應用，落實我們投入人工智慧研發的初衷—縮短城鄉醫療差距，促使醫療服務生態圈扁平化是我們需認真思考的議題。而醫療影像資料市集平台的建立與永續經營，資料使用的合理性與安全性，資料提供者與使用者之間的互惠與公平性，研發成果回饋社會的公益性等也是我們應該要超前佈署，嚴肅思考的議題。

郭萬祐 主任／醫師
臺北榮民總醫院 放射線部、國立陽明交通大學 醫學院

本課程介紹奇美醫院進行多項以及結構化電子病歷為基礎之AI研究之成果，並以實例分享如何將研究成果轉換為實際輔助臨床決策之系統。

醫療AI近年來深受全世界重視也產生相當豐碩之成果，國際大廠與年輕新創紛紛投入醫療AI之行列。然而，醫療機構真正導入AI之情形並不如預期。本課程以奇美醫院近2年自力發展AI之經驗，提出影響AI於醫療機構實施與擴散之關鍵因素，並進行深入討論。

王可言 董事長
臺灣金融科技公司／Fusion$360

王可言 董事長

本單元花蓮慈濟醫學中心AI應用案例分享，共邀請三個單位：首先邀請心臟內科陳郁志主任，慈濟大學醫學系臨床副教授，分享的主題是：「人工智慧於臨床場域之應用：一個心臟科醫師的經驗分享」。其次邀請院長室主任秘書陳星助博士，慈濟大學公共衛生學系專任副教授，分享「以資通訊整合建立連續性照護模式」。第三位分享的是護理部主任鍾惠君博士，慈濟大學護理系助理教授。分享的主題是「應用智慧手機輔助之遠距傷口照護模式」。

我們期待及盼望，經由慈濟醫學中心許多同仁修學「人工智慧與醫學影像分析應用」課程，在各個不同的醫療領域，能夠激發出許多創新的思維，經由本院「人工智慧醫療創新發展中心」的協助，院內能有更多的人工智慧方案與方法、技術，來推動、精進與優化與簡化現有的醫療流程，解決醫師、醫療人員暨病人臨床實務上的問題。

吳彬安 副院長
花蓮慈濟醫學中心

花蓮慈濟醫院擁有大量的心臟疾病臨床資訊。其資訊涵蓋文字，檢驗數據，心臟醫學影像，和心電圖資料。AI 資訊科技近年來發展神速，受到醫療界的關注。但臨床場域使用者有時對其AI 技術並不熟悉，或AI 資訊專家對於臨床場域並不瞭解。兩個專業的橋接成為醫療AI 發展中，非常重要的事情。近年來花蓮慈濟心臟內科積極推動醫療資料整合，期望將AI 技術導入臨床場域作為應用。此課程講師會將個人橋接經驗分享，期待協助人工智慧技術與臨床場域之應用。

陳郁志主任

花蓮慈濟醫學中心，心臟內科

陳星助 主秘

花蓮慈濟醫學中心，院長室

鍾惠君 主任

花蓮慈濟醫學中心，護理部