<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"> <p><span style="color: rgb(0, 0, 255);">重點新聞(1016~1031)</span></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">智慧醫材</span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> FDA </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 生成式AI </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>美FDA近1年核准171項醫療AI商品,但尚未核准任何生成式AI醫材</strong></span></p>
<p>美國食品藥物管理局(FDA)10月19日發布AI/ML醫材名單更新說明,共新添171種支援AI和ML的醫療設備,其中155款是在2022年8月1日至今年7月30日間核准,當中有16種是既有設備,透過優化原有方法而獲得認證。FDA表示,在過去10年內,他們審查核准的AI醫材越來越多、遍布不同醫學領域,這一趨勢也將持續下去。但,儘管大型語言模型(LLM)應用在今年遍地開花,FDA指出,截至今年10月19日,他們尚未核准任何使用生成式AI、通用AI(GAI)或由LLM支援的醫療器材。</p>
<p>FDA也分析AI/ML醫材核准趨勢,與2019年相比,2020年獲核准的產品數量成長率高,為39%,但2021年和2022年放緩,成長率分別為15%和14%。雖然如此,FDA預計,2023年的成長率將達到30%以上。就核准領域來說,2022年獲得認證的智慧醫材中,87%屬於放射科(共122件),其次是7%的心血管科(共10件),其餘則是各占1%的神經科(2件)、血液科(1件)、腸胃科/泌尿科(1件)、眼科(2件)、臨床化學(1件)和耳鼻喉科(1件)。</p>
<p>就2023年來說,截至7月底,FDA核准的智慧醫材有79%屬於放射科(85件)、9%屬於心血管科(10件)、5%用於神經科(5件)、4%用於腸胃科/泌尿科(4件)、2%用於麻醉科(共2件),其餘為各1%的耳鼻喉科(1件)和眼科(1件)。FDA也指出,這些設備大多採用混合型模型,比如用一套模型來產生特徵,再用另一套模型來分類,藉這種混合方法來達到安全有效的預測。<a href="https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices">(詳全文)</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 資安 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> CISA </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 弱點掃描 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>美國CISA釋出醫療資安工具包</strong></span></p>
<p>美國網路安全暨基礎設施安全局(CISA)最近聯手美國衛生及公共服務部(HHS),共同推出醫療與公衛資安工具包,來提高醫療機構和業者的資安防護力。CISA副主任Nitin Natarajan表示,由於醫療機構擁有個人識別資訊、財務資訊、健康記錄和無數醫療裝置數據,就像是駭客的一站式商店。他舉例,光是2023年,CISA就向超過65個美國醫療機構發出勒索軟體預警通知,美國衛生與公共服務部副部長Andrea Palm更指出,他們和CISA與業界夥伴密切合作,不只提供資安工具和資源,也提供指導來助醫療機構和業者,特別是IT資源不足的小型機構。</p>
<p>醫療機構和業者可在CISA網站找到這項工具包,該工具包整合不少公部門資源,包括CISA的資安弱點掃描服務、HHS的醫療業資安實作服務,以及HHS的醫療業資安框架實作指南,來幫助醫院提高資安韌性。<a href="https://www.cisa.gov/news-events/news/cisa-hhs-release-collaborative-cybersecurity-healthcare-toolkit">(詳全文)</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">生成式AI </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 西澳 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 健康照護 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>西澳政府揭醫療生成式AI挑戰賽結果</strong></span></p>
<p>澳洲西澳政府在10月下旬公布醫療照護生成式AI挑戰賽結果,共有19家包含大學和醫資廠商在內的組織勝出,西澳政府也撥出93萬多澳元資金,供這些團隊繼續發展醫療AI,來解決當地醫療照護問題。</p>
<p>該挑戰賽分為4大領域,包括健康與醫學研究、健康與醫療創新、醫療健康服務提供,以及健康和醫學教育/培訓。西澳政府表示,該挑戰賽有2階段,首先是選出每領域的可行性團隊,並給予5萬澳元來執行,再來是選出每類別表現最優異的團隊,並給予50萬澳元獎金,來將生成式AI落地。目前入選的應用有皇家珀斯醫院的骨科自動化報告、Foresight Medical的生成式AI用於眼部生物標記早期阿茲海默症診斷、西澳大學的生成式AI憂鬱症篩檢,以及由南大都會衛生所提出的生成式AI優化偏鄉耳部健康照護服務等。<a href="https://fhrifund.health.wa.gov.au/News-and-Events/2023/10/18/Generative-AI-technology-to-address-WA-health-and-medical-challenges">(詳全文)</a></p>
<p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 全息投影 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 醫學培訓 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 腸胃科 </span></strong></span></strong></p>
<p><strong><span style="font-size: 22px;"><strong>新加坡楊潞齡醫學院導入全息投影,優化腸胃科看診訓練</strong></span></strong></p>
<p>新加坡國立大學楊潞齡醫學院最近開發一項全息投影應用,要來模擬腸胃科患者臨床流程,提高醫學生的模擬訓練品質。他們開發的應用名為HoloScenarios:Gastrointestinal,由醫學院專家和教授聯手打造,醫學生可透過該應用,與全息投影呈現的模擬患者、醫療器材等互動,能在安全環境中累積軟硬技能,涵蓋了解基本病史、執行侵入性測試到緊急醫療處置等環節。</p>
<p>這個腸胃科訓練模組建於Gig沉浸式學習平臺之上,該平臺是企業級平臺,能讓使用者打造、分享沉浸式訓練應用程式和模組,特別是世界級醫療機構和MR開發者。<a href="https://medicine.nus.edu.sg/news/gigxr-partners-with-nus-medicine-to-deliver-holographic-clinical-scenarios-for-gastroenterology-training/">(詳全文)</a></p>
<p><img alt="" src="https://medicine.nus.edu.sg/wp-content/uploads/2023/10/HoloScenarios-1536x1182.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">花蓮慈濟 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> WiFi 6 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 定位 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>花蓮慈濟全面升級WiFi 6無線網路技術</strong></span></p>
<p>花蓮慈濟醫院最近升級內部無線網路設施,透過廠商智邦科技支援、採用WiFi 6技術,來實現無縫、全面的網路覆蓋。慈濟醫療法人東區資訊室主任李建泰指出,WiFi6是無線網路的新規格,可為醫療團隊和病人提供更穩定的頻寬,也確保無線網路在院內更穩定,能應對多設備同時連接的需求。</p>
<p>廠商也提供新型號網路晶片,來確保網路訊號的穩定性,減少人員移動時信號可能出現中斷的問題。此外,他們也採用無線管理系統,來與多種智慧管理機制搭配,比如SIL室內定位,讓病人和訪客透過手機App,就能輕鬆找到要去的目的地。此外,這個SIL室內定位技術也能用來追蹤重要的醫療設備和資產位置,甚至在緊急情況下,醫療團隊能更快速定位病人、醫護人員和其他關鍵人員,以提供即時支援和緊急護理。<a href="https://hlm.tzuchi.com.tw/home/index.php/news/reports/item/3225-wifi6">(詳全文)</a></p>
<p><img alt="" src="https://hlm.tzuchi.com.tw/home/images/01news/2023/10/1020/img_2.jpg" /><img alt="" src="https://hlm.tzuchi.com.tw/home/images/01news/2023/10/1020/img_3.jpg" style="width: 213px; height: 300px;" /></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">護理記錄 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 高醫附醫 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 生成式AI </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>高醫附醫導入生成式AI護理助手</strong></span></strong></p>
<p>10月中旬,高雄醫學大學附設中和紀念醫院揭露生成式AI進展,其體系智能醫療推動辦公室打造生成式AI敘述性護理紀錄,讓護理師快速完成記錄,降低工作負荷。</p>
<p>進一步來說,護理師例行的巡房流程,包括測量病人生命徵象、詢問病人狀況等,以往護理師除照顧病患,還得花費大量時間來記錄量測數值和觀察現象。透過AI護理助理,護理師可在巡房結束後,用生成式AI快速自動生成護理紀錄,內容不僅符合白班、大小夜班的照護模式需求,更能依病患不同的病情來生成病歷內容,協助護理師更精確、更省時地記錄和管理護理病歷。現場並展示如何利用生成式AI來輔助護理師生成敘述性護理紀錄。</p>
<p>另一方面,高醫附議持續發展醫療大數據應用,打造出高醫體系醫療數據資料庫平臺(KMURD),包含臨床數據、醫學影像、主題式疾病資料庫、基因分析、數位病理、與生理訊號等資料庫,並透過AI將資料結構化。有了這些基礎,高醫體系可進一步發展加值應用,如智慧加護病房、手術麻醉智能管理、偏鄉遠距醫療、生成式病歷協作等AI平臺。<a href="https://www.kmuh.org.tw/KMUHInterWeb/News/BrdactDetail/1001124108?actid=419622">(詳全文)</a></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Ubie </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 摘要 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> LLM </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>日本醫療新創Ubie推出生成式AI功能,可摘要患者問卷內容</strong></span></strong></p>
<p>使用者遍及日本47個都道府縣的日本醫療AI新創Ubie,最近在自家病患服務平臺Ubie Medical Navi上推出生成式AI功能,能摘要病患長期以來的看診問卷重點。進一步來說,這個平臺提供問卷式的表格,來讓患者選填病況和基本生活資訊,在回答20至30個相關問題後,基於LLM的新功能會總結內容並生成摘要,提供給醫生參考。</p>
<p>目前,Ubie Medical Navi平臺的1,500多位醫生使用者,已可開始使用,無需額外付款。Ubie表示,新功能由自家研發部門與醫生聯手開發,並經過醫生試用。一位醫生表示,過往,他們得瀏覽患者的長篇回答、筆記重點,還得將患者的回答複製貼上到醫院電子病歷系統,但新功能出現後,縮短了這些作業時間,讓他們更有效率問診。<a href="https://en.prnasia.com/releases/global/ubie-s-new-generative-ai-feature-for-doctors-effortlessly-summarizes-patient-findings-and-streamlines-medical-record-documentation-with-a-90-user-satisfaction-rate--422634.shtml">(詳全文)</a></p>
<p><img alt="" src="https://storage.googleapis.com/studio-design-asset-files/projects/v7qG0boBaL/s-2400x1627_v-frms_webp_6679540f-106a-4d67-be68-85c2386a0762_middle.webp" /></p>
<p>圖片來源/楊潞齡醫學院、花蓮慈濟、Ubie</p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> MedTech醫療科技近期新聞 </span></strong></span></strong></p>
<p><strong><strong>1. <a href="https://jmai.amegroups.org/article/view/8198/html">美、印眼科專家聯手研究ChatGPT對視網膜ICD-10編碼生成準確性</a></strong></strong></p>
<p>資料來源:iThome整理,2023年10月</p>
</div></div></div>