新冠肺炎升溫如何應用人工智慧技術超前部署（下）

本文上接：新冠肺炎升溫如何應用人工智慧技術超前部署（上）

【檢疫智慧管理】

為了降低疫情的傳播，現階段政府除了建議大眾減少外出，出入人多地方戴口罩外，對於有傳播風險的人分別以「自主建康管理」、「居家檢疫」及「居家隔離」等不同程度的監管。第一級針對檢測陰性或解除隔離等風險較低人員，僅需早晚量體溫，外出強制戴口罩外，並無其它強制性禁足。其次是曾到過警示國家或區域旅遊，最後一級則是曾和確診病例接觸但暫無症狀者。後兩級都不得外出，需在家禁足十四天且不得搭乘大眾運輸工具，每天會有相關人員主動打電話關懷及追蹤健康狀態，若有症狀出現時則由衛生主管機關安排就醫。若未遵守規定則有相關罰則，最高可達新台幣一百萬元。

為了更積極主動抑制疫情傳播，推動更智慧的檢疫管理就成了重要議題。除了列管人員定時追蹤管理外，如何偵測疑似案例（如發燒、咳嗽、沒帶口罩等）、傳播溯源追蹤、群聚（社交距離）警示及智能語音客服等都是AI最容易實現的場景。而這些不同的情境可能要另外搭配物聯網(Internet of Things, IoT)技術包括感測器（攝影機、麥克風、全球衛星定位系統(GPS)、運動(Motion)、體溫、心率等）、無線通訊（BT, WiFi, LoRa, 4G, Sigfox, NB-IoT等）、雲端計算和儲存等。當然手機也是一項很好的資訊收集及運算裝置，因為它具有所有串接物聯網的硬體及應用程式(APP)執行平台。待各項終端裝置自動定時、定量回報數據、影像及聲音等相關資訊後，最後才能交給AI進行分析、辨識及決策。以下就舉幾個實例來說明，而其它更多應用就留待更多產官學研繼續投入開發行列。

＊ 居家檢疫及隔離人員定位：可利用藍牙手環加上GPS及電子地圖來確認人員所在位置，當離開管制區域時就發出警報，通知相關人員進行確認。這部份表面上看起來不太需要用到AI技術，但實務上若要以很少的偵測元件同時在很大的區域偵測多名使用者時，此時就需要以AI技術在不穩定及雜亂訊號中來協助精準定位每一名使用者。

＊ 公共場所發燒人員偵測：當不方便逐一使用額溫槍檢查公共場所群眾時，可利用紅外線熱像儀進行多人同時體溫偵測，但由於易受其它高溫物件（如咖啡）干擾及無法記錄及追蹤可疑人物移動路徑，所以可以另外搭配普通攝影機及AI電腦視覺進行人臉（位置）辨識再判斷溫度來改善誤報的問題。

＊ 口罩配帶偵測：利用AI電腦視覺「物件偵測」技術來確認是否配帶口罩甚至是否正確配帶。若再加上人臉身份辨識（有帶口罩時）或記錄，則可達到事後溯源追蹤人員接觸史的效能。

＊ 群聚及社交距離偵測：同樣可利電腦視覺「物件偵測」方式來計算人員（人頭）數量、距離、密度，進而可以達到警示作用。而這項技術也會隨不同高度（天花板、路燈、空拍機等）攝影機取得的影像不同，定義上也會略有不同。另外亦可使用電信業者基地台的通訊連線狀態來偵區域人員數量，當達到某個上限時，就可對該區域發出警示（細胞廣播、簡訊）。當然如果透過AI進行時序預測，那就能提早警示，不用等到超過時再警報。

＊ 感染溯源追蹤：目前多半採用人工詢問、記錄確診患者的接觸及移動歷史，但有可能由於患者隱瞞、忘記、記錯等問題而錯失疫情防堵時機。若改採用手機GPS或使用電信業信號定位追蹤來分析停留位置、時間軸、移動軌跡，最後再加上多人軌跡疊合比對，就更有機會找出可能傳播路線。

＊智能語音客服：語音機器人(ChatBot)是目前AI較成熟的技術，只要建立完整的對話問答表(QA Table)、意圖(Intent)或流程(Flow)分析機制，搭配線上資料庫就能快速建立各項資訊查詢，如口罩數量、即時疫情數據、自動疫情表問答填寫、防疫資訊問答等。未來若自然語言處理(NLP)技術及醫療資料庫達到一定程度，甚至有機會協助醫生作初步問診以減少醫生負擔。

【臨床診斷輔助】

目前臨床診斷是否為COVID-19確診病例主要有「核酸檢測(RT-PCR)」、「抗原檢測」及「血清抗體檢測」，這幾種方式單純為化學方式檢驗和AI較無直接關聯。其中核酸檢測偽陽性機率極低故多為最後確診依據，但其最大缺點為實驗室規格要求較高、數量有限，且完整檢測需耗時四小時，所以難以提高檢測效率。

後來有許多醫生發現早期患者的肺部X光電腦斷層掃描(Computed Tomography, CT)都會出現毛玻璃狀(Ground-Glass Opacity, GGO)現象，因此建議改用此方式來加快診斷速度。一般來說資深醫生透過視覺仔細觀察不同部位病徵差異便能診斷，依熟練程度不同可能耗費五到十五分鐘，但對於新手醫生則可能耗時更久甚至誤判，因此這項工作就非常適合透過AI進行影像辨識來分析病灶所在及程度，以增加判讀正確性及速度，若再搭配較高速的雲端計算能力，則一張CT影像不需30秒就能完成計算，可大幅降低醫生負擔。

目前各國對於確診患者的CT影像基於各種理由（如隱私、國家科研機密等）不一定會公開，對於確診數較少的國家不容易取得訓練樣本，這將非常不利疫情的防堵。因此有許多有心人士將搜集到的CT影像開源出來，希望藉由大家的努力早日建立更有效精準的模型及辨識能力，用以協助醫療資源較為貧乏的地區也能獲得足夠的醫檢能力。以下就列舉幾個CT影像開源資料集。

＊ 加州大學聖地亞哥分校(UCSD) COVID-19 CT Scan Dataset [13]，正例275張，負例195張。

＊ Kaggle - COVID-19 RADIOGRAPHY DATABASE [14]，正例219張，負例1341張。

＊ 台灣人工智慧實驗室(AI Labs.tw)，兩級肺炎及SARS-nCoV-2分類器 [15]，共41,453張影像，其中包括非SARS-nCoV-2影像522張及確診89張影像。（登入帳號：guest，密碼：guest）

＊ 美國國立衛生研究院(NIH)胸部X射線數據集 [16]，擁有各種肺疾病15類（Atelectasis, Consolidation, Infiltration, Pneumothorax, Edema, Emphysema, Fibrosis, Effusion, Pneumonia, Pleural_thickening, Cardiomegaly, Nodule Mass, Hernia, 正常）共112,120張影像，雖無COVID-19直接案例，但有像纖維化等相關案例。

＊ 意大利SIRM COVID-19放射學案例 [17]，共70正例，有詳細症狀解說。

Fig. 4 SIRM COVID-19案例編號70之肺部X光斷層掃描圖。（資料來源：[17]，OmniXRI整理繪製2020/4/9）

AI的瓶頸與挑戰

綜合上述分析，雖然AI在很多情境下都能發揮的不錯，但依舊有很多瓶頸和挑戰有待突破。首先是「資料集」搜集數量及標註品質問題，如果在數量不足或標註品質不佳的情況下，AI是很難表現正常的。尤其是像醫療影像在確診患者不足情況下更是難以取得有效樣本，即便取得了也要由資深醫師花很多時間協助標註以確保品質，這樣的人力成本相當地高，不是一般廠商可以獨立完成。

再來是「算法」問題，有些情境可能已有類似資料集可供研究及改善算法，但如果沒有時就只能用很少的資料集進行測試，但不幸地是經常會落入過擬合問題，只能一邊增加有效資料一邊改善。

接著是「算力」問題，一個好的算法常會遇到模型過於巨大，參數數量（可能數千萬到數億個）驚人問題，此時就要面臨需要非常昂貴的高速運算機器或雲端服務幫忙訓練，若結果不佳就要反覆調參找出最佳參數，這樣需耗費相當大量的時間和金錢，非一般廠商可以負擔，需要政府出面協助。目前科技部及國網中心針對此次疫情亦特別在其「資料集平台」建立「COVID-19(新冠疫情特區) [18]」，並推出「御守臺灣・科技抗疫專案 [19]」公開徵求提案，以期減少研發單位負擔。

最後當然還有「領域知識」問題，這個部份就要靠政府單位或計畫（如AI Hub計畫）協助媒合需求端和技術端，以共同快速解決防疫問題。

小結

AI不是萬能，但沒了AI協助很多防疫困境就更不容易突破。在現有艱鉅的疫情下如能好好運用「數據分析」、「電腦視覺」及「自然語言」等AI技術就能讓我們能更從容面對「疫情物資預測」、「防疫藥物開發」、「檢疫智慧管理」及「臨床診斷輔助」等問題，也更有機會「超前部署」一起渡過這場防疫大戰。

＊本文同步發行於歐尼克斯實境互動工作室部落格(https://omnixri.blogspot.com)及AI HUB，歡迎連結至AI HUB網站(https://aihub.org.tw)瀏覽更多精采文章＊

參考文獻

[13] UCSD CT Scan Dataset about COVID-19 https://github.com/UCSD-AI4H/COVID-CT

[14] Kaggle - COVID-19 RADIOGRAPHY DATABASE https://www.kaggle.com/tawsifurrahman/covid19-radiography-database

[15] AI Labs.tw - Two-stage Pneumonia and SARS-CoV-2 Classifier https://covirus.cc/pneumonia/

[16] Kaggle - National Institutes of Health (NIH) Chest X-Ray Dataset https://www.kaggle.com/nih-chest-xrays/data

[17] SIRM COVID-19: CASISTICA RADIOLOGICA ITALIANA https://www.sirm.org/category/senza-categoria/covid-19/

[18] 國研院國網中心資料集平台COVID-19(新冠疫情特區) https://scidm.nchc.org.tw/group/sp-covid-19

[19] 科技部「御守臺灣・科技抗疫專案」 https://www.nchc.org.tw/Page?itemid=28∣=43