智慧醫療與DevOps

前言

在DevOps Day聽到這個系列的題目當下，想說為什麼智慧醫療可以跟DevOps扯上關係?一個是AI、ML，一個是雲端相關，兩個不同領域的東西怎麼尬再一起?這篇文章會針對DevOps day兩場關於智慧醫療的講座和個人查到的資料做整合
p.s.因為怕涉及智慧財產和公司機密，所以本篇文章不會放講座的任何截圖或照片。如內容有表達不清敬請見諒。

智慧醫療興起

這幾年被疫情肆虐，從媒體可以得知醫療人員的處境真的很辛苦。除了人力不足外，還要應付暴增的病患，同時還要暴露在高風險環境下，各種推力讓許多寶貴醫療人力離開醫療界。
麥肯錫指出轉型方向:「管理這麼多病人的代價很昂貴，醫療系統必須從偶發性治療，轉變成預防、長期的照顧管理，」。此外，AI、自動化等科技，能提升醫療照顧效能，讓醫護有更多時間照顧病人，進而提振士氣、提高留任率，解決眼前的挑戰。因此當醫療遇上科技，一個新名詞誕生了：智慧醫療

各個使用者關心的項目

• 老闆/主管: fast & cheap
• Developer : fail, fast ,cheap
• 臨床醫生(最終使用者):fast & cheap with 100% accuracy

智慧醫療研發循環

取得數據⇒把資料去識別化(e.g.病人的相關資料)⇒讓資料進行Machine Learning ⇒ 做出模型 ⇒ 確認 & 佈署 ⇒ 監測模型
這是大致流程，中間過程可能會因為有些變化又要再次回到前幾步驟

如何透過Azure協助

• VM
• ML studio
• Event hub : event trigger
• IoT hub:管理不同手術室

講者服務的地方目前應用的領域

• 智能抗藥性細菌快速預測系統:可以讓臨床醫生知道用哪個藥可以快速解決病人問題 或 該藥物在多久之後會開始有抗藥性
• 手術排程
• 肝臟腫瘤圈選
• 術中血液動力檢測
  下面會針對智能抗藥性細菌做說明

智能抗藥性細菌快速預測系統

• 背景
  • 過往檢驗流程: 採檢→菌種培養(24hr) →細菌物種鑑定(確認細菌種類24-48 hr) →抗生素敏感性測試(確認細菌抗藥狀況)
  • 感染症屬於急症，太晚投藥可能會造成病人死亡
• 現況流程: 質譜儀→去識別化質譜訊號資料(ex.病人資料)→使用者→上傳資料到web app、blob 、SQL→監控介面
  上傳資料之後敲API可以從資料庫撈到資料再回傳資料
  ⇒解決過往細菌物種鑑定後需要等1-2天才能有資料的窘境
  ⇒雖然有AI預測但還是會進行抗生素敏感性試驗
  ⇒做完一小部分就先部署、測試，才會知道哪裡有問題

結論

讓AI可以跟人類合作，而不是想辦法取代對方
快速佈署測試，快速迭代

這兩場講座聽下來還是覺得智慧醫療和DevOps沒有到有很深切的關聯，比較像是運用雲端的某幾個服務而已，但至少做出AI模型有嘗試著解決過往花太多時間在檢測。雖然智慧醫療還沒有非常普及，但相信只要我們持續努力推廣和研究，一定會對世界有很大的改變和進步，希望也能減少醫療人員的工作壓力!