台北荣民总医院采用 IBM Cloud Pak for Data加快医疗研究效率

2022年8月18日消息，台北荣民总医院（以下称台北荣总）引入 IBM Cloud Pak for Data 平台，运用云原生架构，打破医疗数据孤岛、保护数据隐私及安全、降低使用者门坎等，能快速从数据中取得洞察，使数据使用效率最大化。

台北荣总已在糖尿病、肾脏病、心脏病及耳科疾病等多项医学研究中使用 IBM Cloud Pak for Data 内建的 AutoAI（自动建模）功能；以往研究人员从安装工具到完成一项医学分析结果，须耗时约三到六个月甚至更久，引入AutoAI后大幅缩短为一至两周内完成。

台北荣总计划将已验证的医疗真实世界证据 (real world evidence, RWE），提供给医生作为门诊第二意见 (second opinion) 摘要，加快其为病人设计治疗方案的速度。

突发性耳聋属于耳鼻喉科的急症之一，其危险与紧急性常常未得到充分重视，医学界一直致力于找出完全治愈的关键要素。台北荣总的医疗团队使用 IBM Cloud Pak for Data 的机器学习与自动建模功能，分析上千份病历资料后发现，患者如果能在突发性耳聋发生的7到14天内就医，尽快接受住院检查和治疗，通过传统的合并式疗法，将有更大的机会完全复原听力。这项研究在采纳 IBM Cloud Pak for Data 解决方案后，以往要耗时半年的 AI 建模、运算、调校，缩短到几个小时内就可完成一次运算，几周内就能找出最合适的模型。

台北荣总信息室朱原嘉博士表示，以往寻找医疗真实世界证据之前，数据科学家采用群组/队列研究，以归纳方式调整超参数、建立模型、评估模型的有效性；当模型的准确度不高或不符合医生临床经验时，又需要花上几周修改超参数、调整模型，整个过程平均需要三到六个月。IBM Cloud Pak for Data 平台内建的 AutoAI 功能，不但可以解决目前医疗产业欠缺数据科学家的困境，也让年轻医生有了易于使用的 AI 学习环境。

IBM Cloud Pak for Data 的 AutoAI 功能如何辅助医疗研究？

朱原嘉指出，在研究数据收集、模型开发测试、验证预测模型这三个阶段，AutoAI 都扮演着重要角色：帮助研究者辨识重要数据的重要特征、缩短数据清洗与数据精炼的时间，通过低代码 (Low-Code) 或无代码 (No-Code) 的 AutoAI 功能，让 AI 机器学习自行建立并训练多样化模型、找出冠军模型，节省可行性分析与试错的时间；并可自动生成 python 程序代码，帮助研究者持续优化模型与重现研究结果，加速医学研究进展。

台湾 IBM 公司客户成功副总经理胡育铭表示，IBM Cloud Pak for Data 的使用门坎非常低，即使是不具备写程序或建模能力的使用者都能轻易上手。

IBM Cloud Pak for Data 具备自动查询（AutoSQL）、自动分类（AutoCatalog）、自动识别隐私规则（AutoPrivacy）以及自动建模（AutoAI）等四大功能，可以解决企业数据互不相通的问题，保持数据隐私与安全，满足各类数据用户对于数据分析建模的需求。

未经允许不得转载：DOIT » 台北荣民总医院采用 IBM Cloud Pak for Data加快医疗研究效率