日本研發出應用於醫療行為的人工智慧，促進健康產業之發展
科技產業資訊室(iKnow) - 謝采燁 發表於 2025年3月27日
圖、日本研發出應用於醫療行為的人工智慧，促進健康產業之發展
科學技術的創新不僅是各國經濟成長的核心動力，影響的層面涉及社會議題至災難應對等方面，扮演著愈加關鍵的角色。在日本國內，醫療人力短缺問題加劇，將AI與機器人技術應用於醫療行為之自動化與節省人力化變得更加迫切，科學技術與創新扮演著愈加關鍵的角色，為能應對變化多端的國內外情勢，日本推出綜合創新戰略2024（イノベーション戦略 2024）本科技創新指南是基於2021年閣議決定的「第六期科學技術與創新基本計劃」，為該執行計劃的第四年年次策略。
日本政府於2015年設立AMED（日本醫療研究開發機構，Japan Agency for Medical Research and Development），隸屬於內閣府、文部科學省、厚生勞動省及經濟產業省的官方機構，負責有關健康・醫療戰略推進本部制定之醫療領域研究開發推進計劃，在統合創新戰略2024計畫中負責與日本各學術單位、醫院等進行醫療領域的推動，從基礎研究到實用化的一體化研究致力於開發推動醫療和生命科學領域的研究與產業發展。
AMED在2024年取得有關應用人工智慧於醫療行為之成果如下：
- 啟動糖尿病患者胰島素投量預測AI臨床試驗
糖尿病患者需精確調整胰島素劑量以維持血糖穩定，但專科醫師人數有限，許多患者會由非專科醫師診治。為解決醫療負擔的問題，AME與東北大學及 NEC 合作開發糖尿病治療支援AI(DM-SAiL)，這個新型醫療用AI可精確配合專科醫師的胰島素處方籤劑量，誤差控制在2單位內，新型醫療AI應用已進入臨床試驗階段，並計畫申請醫療器材認證。若能成功應用，DM-SAiL將可大幅減輕醫師負擔，同時提高患者血糖控制效果，預防糖尿病併發症減少住院期間的健康風險。
- 引進AI心電圖分析技術，提高多設施資料精細度
東京大學醫學部附屬醫院的研究團隊開發了一種根據掩蔽自動編碼器(Masked Autoencoder, MAE)和視覺 Transformer(ViT)的 ECG 解析 AI，能在有限標註數據的情況下，仍維持高精度的心功能異常識別能力，解決傳統心電圖(ECG)分析方法需要依賴大量的標註數據(labeled data)訓練深度學習模型提高異常檢測精度的問題。透過多機構 ECG 數據驗證來學習不同患者群體與醫療環境提升對異常的識別能力，不僅能在標註數據有限的情況下維持高精度心功能異常識別能力，還能降低標註成本與時間，提升AI在醫療領域的臨床診斷中的應用並有效減緩醫療資源不足的問題。
- AI 創藥平台 DAIIA 的開發與推廣
在創藥領域，AI被視為一項關鍵技術，特別是在化合物優化與藥理活性評估方面，有望顯著提高研發效率。過去藥物開發從初期的化合物篩選到最終的候選藥物確定通常需要數年時間流程且成本高昂，新型創藥 AI 平台由日本理化學研究所(RIKEN)與京都大學和名古屋大學合作，將強化學習(Reinforcement Learning, RL)、圖神經網絡(Graph Neural Networks, GNN)、Transformer 預測模型與聯合學習(Federated Learning, FL)等最先進的人工智慧技術結合，設計出統合創藥 AI 平台能靈活設計藥物與篩選，具備可調整學習與優化的學習能力，提供製藥人員全方位的支援。
這些應用於醫療系統的AI及培養生物學專家等專業人才，設立相關支援機構、臨床研究建設，推動日本健康與醫療相關產業國際化發展一系列的措施，顯示了日本政府對強化醫療領域的研究開發環境之重視。(1203字；圖1)
參考資料：
AMEDの役割・機能。日本醫療研究開發機構
統合イノベーション戦略 2024。日本內閣府
産学連携による次世代創薬AI開発（DAIIA）。日本醫療研究開發機構
心電図解析に画期的な AI 技術を導入、 多施設データで高精度を実現。東京大學
脂肪肝病理画像から発がんを予測する AI モデル。東京大學
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|