110/11/3
臺大校訊 第1499期 https://sec.ntu.edu.tw/epaper/article.asp?num=1499&sn=21063

110/10/28 相關媒體報導：
自由健康網 https://health.ltn.com.tw/article/breakingnews/3718475
中央社 https://www.cna.com.tw/news/ait/202110280101.aspx
立報 https://www.limedia.tw/edu/24005/
聯合報 https://udn.com/news/story/6928/5850674
ETtoday新聞雲 https://www.ettoday.net/news/20211028/2111263.htm
中時新聞網 https://www.chinatimes.com/realtimenews/20211028002828-260405?chdtv
工商時報 https://ctee.com.tw/livenews/ch/chinatimes/20211028002828-260405
自由時報 https://news.ltn.com.tw/news/life/paper/1481356

  臺大人工智慧與機器人研究中心主任傅立成教授所主持，臺大全幅健康照護中心(MAHC)、臺大王偉仲教授研究團隊(MeDA Lab)，以及衛生福利部中央健康保險署一同合作，2020年起加入由美國科技大廠NVIDIA和Mass General Brigham 聯合醫院所發起的COVID-19聯邦學習計劃EXAM (EMR CXR AI Model)。經與許多國際單位合作，共同開發出能夠為專業醫事人員所信任並能有效運用的人工智慧(AI)模型，成功預測COVID-19患者對呼吸器的需求程度。這項規模龐大、合作單位跨越五大洲的研究成果在今年9月15日發表於國際頂尖期刊《自然醫學》(Nature Medicine)。

  本次聯邦學習 EXAM 計畫集合來自美國、英國、加拿大、日本、韓國、泰國、巴西以及臺灣等國家的二十間醫院或研究機構，合作開發能夠為專業醫事人員所信任並能有效運用的人工智慧(AI)模型，以預測COVID-19患者對呼吸器的需求程度，有效輔助醫事人員預測 COVID-19 患者的氧氣需求，以便最有效率的安置患者。透過聯邦學習技術，研究人員可以在不獲取各地伺服器中患者隱私資料的狀況下，運用各合作單位所提供的胸腔 X 光影像 (Chest X-Ray, CXR) 與電子健康紀錄等醫療資訊來訓練EXAM 模型。
 
  此次在臺大MAHC、MeDA Lab、健保署與NVIDIA 努力合作下，由健保署針對確診 COVID-19 感染病患與非 COVID-19 感染病患，提供相關 CXR 影像資料及相關生理數據資料，作為 AI 模型的訓練資料集。並由臺大團隊、健保署、NVIDIA 與其他分布於全球不同地點的參與醫院合作，共同建構數據庫、調整與執行聯邦學習演算法、以及驗證 AI 模型準確性。臺灣參與的機構單位除了 MAHC、MeDA Lab、健保署之外，還有三軍總醫院，可謂國內產官學研醫合作參與跨國研究的典型範例。
 
  這項發表於《自然醫學》的研究，聯邦學習技術在沒有交換數據的情況下，促成全球跨國間的協作，並在保護隱私的前提之下，有效打造出精準且可普及的 EXAM  AI 模型，為聯邦學習技術更廣泛應用在醫療領域應用奠定基礎。研究結果顯示，這個全球性大規模聯合研究，成功預測COVID-19患者從初次到急診室就診，之後24小時和72小時的氧氣需求，得到接收者操作特性曲線下面積 (AUC) 平均大於 0.92 優秀的預測能力。
 
  此外，透過聯邦學習的訓練，所有參與此計畫的在地模型 (local model) 平均接收者操作特性曲線下面積 (AUC) 提高16%、泛用性 (generalizability)平均增加 38%。在參與計畫中，最大的獨立測試醫院資料，此聯邦學習模型於預測 COVID-19 患者 24 小時的氧氣需求程度，模型敏感度 (sensitivity) 為 0.950、特異度 (specificity) 為 0.882。上述數據均顯示 EXAM 模型優秀的表現力。這個跨國合作所開發的 Al 模型，已經放置在雲端，提供所有人使用。以臺灣來說，除了可以協助本國籍病患，對於來自不同國家移入的病患來說，這個跨族群的聯邦學習模型的預測結果更具參考價值。
 
  臺大傅立成教授表示，全幅健康照護中心十分榮幸可以參與此次計畫，為 AI 技術運用於 COVID-19 治療所需醫療資源的相關研究帶來貢獻。中心也將持續參與投入各項 AI 技術應用於醫療及照護的研究與合作，期許能透過跨界、甚至跨國合作，協助推進臺灣的智慧醫療照護領域發展。
 

參考資料：
全幅健康照護中心(MAHC) http://mahc.ntu.edu.tw/
臺大王偉仲教授研究團隊(MeDA Lab) http://meda.ai
https://blogs.nvidia.com/blog/2021/09/15/federated-learning-nature-medicine/
https://blogs.nvidia.com.tw/2020/10/05/federated-learning-covid-oxygen-needs/
https://www.medalab.ai/research/fl