BLOG + NEWS

HOME BLOG
行為訊息分析的醫療應用:AI 如何減輕自閉症減輕醫療照護負擔?
BLOG・Health 醫療
SHARE
行為訊息分析的醫療應用:AI 如何減輕自閉症減輕醫療照護負擔?
行為訊息分析的醫療應用:AI 如何減輕自閉症減輕醫療照護負擔?
12
NOV
2022
1071

今天是醫師節,BIIC Lab 成立以來與許多醫師合作,拓展人工智慧在科技的應用。其中一個我們長年投入的課題是「自閉症」想在今天跟大家聊聊這方面的研究進展。

 

臺灣自閉症人數高達 18686 人。照護工作也往往成為家屬重擔,診斷與治療需要龐大醫療人力。

                 

就從最早的「診斷」說起,當家長察覺孩子有異而就醫,醫師要如何斷定他有沒有自閉症呢?醫師絕對不迅速看看就能下定論,相反,自閉症診斷要經過層層檢測。根據 ADOS(自閉症診斷觀察量表),醫師會與受測兒童進行一系列遊戲,像是吹泡泡、看圖說故事、演戲。一方面要與孩子建立信任、引導孩子融入遊戲,另方面要暗中觀察,吹泡泡的過程是否與人互動呢?還是只專注泡泡本身?是否願意分享喜悅呢?長達一小時遊戲才能下初步結論,一點也不輕鬆。

 

如果由其他人來執行遊戲呢?比如,家長自行按照 ADOS 與孩子遊戲,不就能節省醫師的時間嗎?看到這裡,相信大家都能立刻指出問題就在:家長並不具有專業;而這裡,就是科技可以介入的地方!若有 AI 科技系統協助紀錄家長與孩子的遊戲過程,將資料回傳給醫生,不單只回傳遊戲畫面,還包含 AI 的判讀結果(初步得出的參考數值、關鍵片段篩選)如此一來,不僅加快診斷速度,節省寶貴醫療人力,也能減少醫師主觀因素影響。

 

另外,假如能夠為自閉症患者設計穿戴式裝置,諸如手錶、鈕扣、眼鏡,戴在身上隨時錄行為資訊,就可以在每次回診時提供醫師更完整的參考資料。比起家屬是人家屬會累,科技穿戴裝置絕對更適合全天候觀察患者。

 

以上,我們已經舉了兩個科技可以介入之處,但事實上,不管是協助醫生快速診斷,還是協助照護者追蹤生活,都還沒有真正落實。更深層的倫理問題、隱私問題有待縝密考量。那麼 BIIC lab 的研究到底做了什麼呢?長期耕耘自閉症研究的博士生們表示:「收集資料其實花了非常多時間精力!」
 

                                                 
 

這些科技須運用人類行為訊息處理技術,首要就是建立資料庫。經過 BIIC lab 與台大醫院的努力,我們已經收集了數百名自閉症孩童的資料。蒐集之前必然經過家屬與當事人同意;出乎我們原先預料,幾乎所有人都欣然同意貢獻資料,這也反映出照護者們非常渴望有創新的方式協助他們、渴望更完整的自閉症研究。

 

博士生們也指出:「 醫療行為正在翻轉,傳統的看診過程裡,醫生在有限時間內做評估、下指令,病患照做。未來,科技可以協助大家為自己的身心健康搜集數據,呈現初步分析,也提供醫師更客觀的參考。」現在的 Apple Watch 就在做這樣的事情,而未來可以用得更廣,一般人使用智慧裝置追蹤呼吸、睡眠、步行、月經狀況,而有特殊需求的群體則為他們設計更細緻的追蹤。

 

AI 可以取代人,但不是為了剝奪人的生計,而是讓疲於奔命的人喘口氣。我們在醫療現場看到了 AI 幫大忙的可能性,從人本的思維出發,要做的不只是提升醫療效率,還要減輕照護者的負擔,改善當事人生活品質。

 

希望我們的努力,能讓醫護現場如虎添翼。醫師節,感謝所有站在醫療照護崗位上的人們!

 

 

BIIC Lab 在自閉症相關論文

 

  • Learning Converse-Level Multimodal Embedding to Assess Social Deficit Severity for Autism Spectrum Disorder.-CP Chen, SSF Gau, CC Lee
  • Toward differential diagnosis of autism spectrum disorder using multimodal behavior descriptors and executive functions.-CP Chen, SSF Gau, CC Lee
  • Computing Multimodal Dyadic Behaviors During Spontaneous Diagnosis Interviews Toward Automatic Categorization of Autism Spectrum Disorder.-CP Chen, XH Tseng, SSF Gau, CC Lee
  • A Multimodal Interlocutor-Modulated Attentional BLSTM for Classifying Autism Subgroups During Clinical Interviews.-YS Lin, SSFen Gau, CC Lee
SHARE