<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（0215～0228）</span></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> MindLLM </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> fMRI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 神經義肢 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>耶魯大學打造一款通用模型MindLLM，可將大腦影像訊號直接轉文字</strong></span></p>
<p>最近，來自耶魯大學、劍橋大學和達特茅斯學院的研究員發表一項研究成果MindLLM，能將腦部的功能性磁振造影（fMRI）轉換為文字，且在多個基準測試中，表現比現有方法如UMBRAE、BrainChat和UniBrain等還要好。</p>
<p>MindLLM由fMRI編碼器和大型語言模型（LLM）組成，能分析fMRI掃描的立體像素（Voxels），來解析腦部活動。其中，fMRI編碼器採用神經科學注意力機制，可適應不同的輸入訊號形狀，進而能處理多種分析。再來，研究團隊還使用腦部指令調整（BIT）方法，能加強模型從fMRI訊號中獲取不同語義的能力，讓模型能執行更多種解碼任務，如影像描述、問答推理等。</p>
<p>經測試，在文字解碼、跨個體泛化和新任務適應性等基準測試中，MindLLM表現都比現有方法要好，分別達提高了12.0%、16.4%和25.0%。也就是說，MindLLM比傳統模型更能適應新的受試者和未知語言的推理。不過，該模型目前只能分析靜態圖像訊號，未來若進一步改良，可發展出即時fMRI解碼器，能進一步應用於神經控制、腦機介面和認知神經科學等研究領域，有利於修復感知能力的神經義肢（Neuroprosthetics）、精神狀態追蹤和腦機介面等應用。<a href="https://arxiv.org/abs/2502.15786">（詳全文）</a></p>
<p><img alt="" src="https://arxiv.org/html/2502.15786v1/x1.png" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 認知障礙 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> LLM </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 視覺空間 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>英國醫學期刊一篇論文發現，LLM有輕度認知障礙</strong></span></p>
<p>去年12月底發布在《英國醫學期刊》（BMJ）的一篇論文（Age against the machine—susceptibility of large language models to cognitive impairment: cross sectional analysis）點出，當時的主流大型語言模型（LLM）在醫學常用的認知測試中表現不佳，有輕度認知障礙跡象，甚至舊版本的模型就像老年患者一樣，測試表現往往比較差。</p>
<p>論文作者來自英國和以色列醫學與研究機構，團隊指出，許多研究證實LLM在一系列醫學診斷任務中，表現非常出色，但這些模型的認知能力卻還沒被廣泛檢驗。於是，研究團隊用常見的早期認知障礙測試MoCA來評估幾款模型，包括ChatGPT 4和4o、Claude 3.5 Sonnet和Gemini 1.0與1.5。其中，MoCA評估的能力包括注意力、記憶力、語言、視覺空間技能和執行能力等，滿分為30分，一般26分以上為正常。</p>
<p>團隊給予模型的每項任務指令，都和給予人類患者相同，並由執業神經科醫師根據官方指南來評估。他們發現，ChatGPT 4o在MoCA測試中得到最高分26分，再來是ChatGPT 4和Claude，皆得到25 分，而Gemini 1.0則得到最低分16分。論文說明，所有LLM在視覺空間技能和執行任務都表現不好，比如連線任務、時鐘繪製等，不過模型在其餘任務表現都不錯，如叫名（naming）、注意力、語言等。研究團隊認為，這些模型表現意味著人類大腦和LLM的本質差異，可能影響模型在臨床環境的使用。<a href="https://www.bmj.com/content/387/bmj-2024-081948">（詳全文）</a></p>
<p><img alt="" src="https://www.bmj.com/content/bmj/387/bmj-2024-081948/F1.medium.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 癌症研究 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 藥物發現 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>美國頂尖癌症研究中心聯手公雲業者，要加速癌症研究和藥物發現</strong></span></p>
<p>美國頂尖癌症研究機構紀念斯隆凱特琳癌症中心（MSK）找上公雲業者AWS，要用AI服務、高效能運算（HPC）等雲端技術來加速癌症研究。進一步來說，雙方將整合去識別化的基因組、影像和臨床資料，來建立一個能追蹤長期變化的高品質資料庫、推動MSK的AI基礎建設和流程，進行癌症研究和個人化治療。在AI部分，MSK將採用AWS的生成式AI基礎模型託管服務Amazon Bedrock，以及全託管機器學習平臺Amazon SageMaker來運用大型語言模型（LLM），希望更精確追蹤患者癌症的變化軌跡並呈現。</p>
<p>同時，雙方也將擴展MSK的創新中心、新創企業生態系、推動AI在藥物發現領域的應用。就創新中心來說，雙方要以專用資金來建立一個AI創新團隊、推動技術試點專用，來改善和驗證癌症領域的創新應用。就生態系而言，AWS會提供雲端服務和輔導，來支援MSK新的創業和新創孵化器計畫，至於AI藥物發現，則是要打造臨床階段治療藥物研發管道，包括以AWS藥物發現工作臺（AWS Drug Discovery Workbench）來加速篩選上百萬種化合物、鎖定潛在候選藥物，以及以高效能運算資源，如開放原始碼叢集管理工具AWS ParallelCluster，來大幅加速複雜模擬和冷凍電子顯微鏡的資料處理。<a href="https://www.mskcc.org/news-releases/mskcc-and-aws-to-accelerate-ai-driven-cancer-innovation">（詳全文）</a></p>
<p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Epic </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI代理 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 開源 </span></strong></span></strong></p>
<p><strong><span style="font-size: 22px;"><strong>電子病歷大廠Epic揭AI代理應用</strong></span></strong></p>
<p>最近，使用者人數破億的電子病歷服務商Epic，在美國醫療資訊與管理系統學會（HIMSS）旗下媒體採訪中，分享自家技術策略和最新進展。Epic研發副總Seth Howard點出，目前Epic正將AI整合到更多技術中，且稱AI代理是下一代應用程式核心。尤其，他們打造一款診前AI代理，在患者看診前先對話，來了解看診需求、辨識該做但還沒做的事項，比如特定檢查，並協助安排這些檢查，最後產出一份摘要。能做到這點的關鍵是，Epic系統已整合臨床、行政和病人端作業流程，因此AI代理能自動協調、完成相關任務。</p>
<p>他也透露，Epic接下來將繼續開發多模態AI功能，來處理影片輸入、將語音轉換為不同類型的文件、辨識影像、分析基因組數據等。除了AI，Epic也打造不少行政系統，比如目前正在開發一套臨床試驗管理系統，來整合患者、臨床醫生、研究人員和試驗管理員的工作流程。他們也在開發一套企業資源規畫（ERP）套件，將分階段釋出各模組，今年也將正式上線員工排班系統。不只是新工具，Epic也持續改進病人端的電子病歷服務MyChart。該服務在全球已有1.9億多名患者使用。</p>
<p>另一方面，Epic看到醫療機構面臨人力不足和收益壓力，自去年開始推動名為Level Up的免費部署服務，由Epic團隊協助醫院導入新技術。同時，Epic也在擴大開源的AI信任保障套件（AI Trust and Assurance Suite），來幫助醫療機構更了解AI臨床實際表現。Epic也力推資料互通性，除旗下產品支援美國政府的資料互通框架TECFA，另也發布資料標準格式USCDI第三版，連同750個API和介面免費提供給開發者。<a href="https://www.healthcareitnews.com/news/epic-go-beyond-ai-himss25">（詳全文）</a></p>
<p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">生物分子 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Evo 2 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Nvidia </span></strong></span></strong></p>
<p><strong><span style="font-size: 22px;">Nvidia在自家平臺上架超強生物分子模型Evo 2</span></strong></p>
<p>日前，Nvidia在其BioNeMo生物分子加速運算平臺上，上架一款基因組AI模型Evo 2，供全球開發者使用。進一步來說，這個Evo 2是由非營利生物醫學研究組織Arc Institute與史丹佛大學聯手，在Nvidia DGX Cloud平臺上開發而成，是目前規模最大的公開基因組資料AI模型。</p>
<p>這款Evo 2模型的訓練資料包括近9兆個核苷酸（DNA和RNA的組成部分）的龐大資料集，可用來理解DNA、RNA和蛋白質，特別是生物分子研究應用領域，如根據基因序列預測蛋白質的形式和功能、識別用於醫療和工業的新型分子，或是評估基因突變如何影響其功能等，在醫療、農業生物技術和材料科學都可發揮作用。另一方面，使用者若以Nvidia NIM微服務使用Evo 2，則能用來產生各種生物序列，還能設定調整模型參數。若想以自己的資料來微調Evo 2，開發者也能在開源的Nvidia BioNeMo框架中下載模型。<a href="https://blogs.nvidia.com/blog/evo-2-biomolecular-ai/">（詳全文）</a></p>
<p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 機器手臂 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 化療 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 奇美醫院 </span></strong></span></strong></p>
<p><strong><span style="font-size: 22px;">奇美醫院聯手群創光電，打造首款國產AI化療調配機器手臂</span></strong></p>
<p>日前，奇美醫院與群創光電共同開發一款國產智能化療調配機器手臂，目前已成功調配1,000筆化療處方，涵蓋院內約70%的化療處方需求，不只提高化療藥品調配精準度和效率，還將AI融入醫療。一般來說，傳統化療藥品調配，要仰賴專業藥師手動抽取和混合藥物，但還是可能因人為操作產生誤差問題，甚至無形中也面臨潛在職業危害，有了機器手臂，則能緩解這個問題。</p>
<p>而這款智能化療調配機器手臂搭配精密計量系統和智能調配軟體，採多重藥品辨識技術，能精確核對各藥品成份和劑量，進而可以提高安全和效率，兼顧精準調配、可追溯管理、減少人力負擔、降低藥物浪費和強化感染控制等特點。這款機器手臂系統還能與院內醫囑系統連結，在調配前能先核對藥品與稀釋溶液的正確性，避免微生物污染、確保治療品質。這不是第一次奇美醫院與群創光電聯手，在2022年，雙方就共同打造智能疫苗劑量分裝機和BNT疫苗瓶翻轉機。<a href="https://www.chimei.org.tw/newindex/pdfViewer/pdfViewer.html?file=https://www.chimei.org.tw:443/ePhotoAlbum/files/CD7AD115927C73C3B4109367C3935A53.pdf">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">臺北榮總 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 動作捕捉 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 遠距復健 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>臺北榮總聯手陽明交大，發表新AI動作捕捉技術</strong></span></p>
<p>臺北榮總日前與陽明交大聯手揭露一項新AI技術：輕量化無標記動作捕捉系統（Markerless Motion Capture System），由陽明交大腦科技計畫記憶痕跡團隊研發，只需幾臺高解析度相機，就能準確捕捉受試者的三維關節位置，讓受試者不必穿戴感測器或貼任何標記物，穿著日常服裝就能完成測試，有別於傳統測試的繁瑣裝備。</p>
<p>團隊還發現，加上腦部和肌肉訊號記錄，該系統可幫助醫生更理解人體行走時的各腦部區域神經訊號變化，以及行走中肌肉訊號的調控。團隊認為，該研究對神經退化性疾病的診斷和治療有潛在幫助，而該技術未來還可應用於雲端遠距復健、跌倒風險評估和脊椎退化疾病研究等領域，甚至是結合外骨骼設備，提供支援給行動受限的患者。<a href="https://www.vghtpe.gov.tw/News!one.action?nid=14316">（詳全文）</a></p>
<p><img alt="" src="https://www.vghtpe.gov.tw/vghtpe/images/news/1140219_11.jpg" /></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 醫師公會 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 視訊看診 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 線上支付 </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>醫師公會聯手中華電信、玉山銀行，推視訊看診、雲端HIS和線上支付服務</strong></span></strong></p>
<p>醫師公會全聯會日前聯手中華電信、玉山銀行和資拓宏宇，提出供全國基層院所通訊診療、在宅急症照護使用的方案，以及雲端HIS服務，稱之為健康臺灣智慧醫療大聯盟合作案。其中，中華電信具穩定且網路全臺涵蓋率最廣，也有研發基層院所視訊看診平臺的經驗，因此可協助快速導入視訊看診服務。該視訊看診平臺包括雲端即時錄影和貼近實體門診的流程，也符合資安規範，醫師只需簡單設定即可使用，民眾也不必下載App，就能透過簡訊傳送的專屬診間連結來視訊看診，甚至可用於在宅照護場域。</p>
<p>再來，資拓宏宇有套雲端HIS系統，可整合基層診所所需的軟、硬體系統功能，連結診所內各式量測設備，提供掛號、門診、批價、申報等基礎功能，也能進階提供診所人事排班、績效管理和初階營運報表，來管理營運資源。該服務也提供電子病歷儲存和備份備援，民眾也能用了查詢或下載資料。至於玉山銀行，則提供結合視訊看診平臺和雲端HIS的線上刷卡支付服務，甚至可用玉山e point抵扣醫療費用。<a href="https://www.tma.tw/meeting/meeting_info.asp?/13238.html">（詳全文）</a></p>
<p>圖片來源／耶魯大學、希伯來大學、臺北榮總 </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://www.philips.com.sg/a-w/about/news/archive/standard/news/press/2025/20250219-singhealth-and-philips-sign-mou-to-advance-digital-first-healthcare-to-future-proof-care-delivery.html">新加坡醫療集團SingHealth聯手飛利浦，要發展影像AI、優化ICU空間使用</a></strong></strong></p>
<p><strong><strong>2. <a href="https://www.prnewswire.com/apac/news-releases/bnh-hospital-goes-100-paperless-with-intersystems-trakcare-emr-system-302379117.html">曼谷百年私立醫院導入EMR，號稱100%無紙化 </a></strong></strong></p>
<p>資料來源：iThome整理，2025年3月</p>
</div></div></div>
