武漢疫情在短短5個月內已經造成188個國家淪陷，千萬人確診，數10萬人死亡。這是全球大流行疫病中，最短時間內散布最廣且病毒變異最詭譎的傳染病，但這也給了擅長處理大數據的人工智慧（AI）一個極佳的發展機會。國際研究指出，人工智慧將會在COVID-19的診斷、分流病患、優化治療、監測追蹤以及預防扮演關鍵角色；與此同時，這也將激發出許多新創公司。

現有的病毒診斷檢測方式中，「反轉錄聚合酶鏈鎖反應」（RT-PCR），被視為是「黃金標準」。由於樣本中的病毒核酸會被放大數百萬甚至數10億倍，因此靈敏度相當高，但它最大的缺點則是「耗時」，需要數小時才能完成，加上樣本的運送，甚至需要數日才能得知是否確診。這對需要緊急隔離與治療的病患恐怕緩不濟急，此外RT-PCR在診斷急性期的武漢肺炎還存在相當高的偽陰性。

整合大數據　診斷更精準

根據美國約翰．霍普金斯大學的研究報告，檢測準確的有限性導致偽陰性以及無感染症狀的病患難以偵測，都造成傳染不斷擴散的問題，但是最近國際研發發現，快速整合臨床、流行病學以及胸腔成像大數據的人工智慧，已經在診斷、治療發揮關鍵作用。

以人工智慧搭配電腦斷層掃描CT影像為例，不但可顯示症狀的嚴重程度，還可預測未來病程長短以及康復狀況外，有症狀和無症狀患者的CT異常可能早於RT-PCR檢測陽性之前就發生了，也就是CT可以提早檢測出無症狀者的確診。

新創公司DeTraC多對象偵測與追蹤的技術平台，從全球多家醫院的影像中辨識出罹患武漢肺炎病例，準確率可達到95%。擅長處理結構化和非結構化數據的牛津大學AI公司Zegami則開發了一種X光圖像機器學習技術，不僅可以區分出武漢肺炎與其他病原體引起的肺炎，同時可以快速分流非武漢肺炎和輕重症武漢肺炎的病患，以及預測病患是否需要進入加護病房和使用呼吸器，這都將有效快速分配醫療資源的使用。

紐約市的西奈山伊坎醫學院則使用了來自中國醫院905名患者的CT影像大數據，加入年齡、性別和症狀等包括臨床血液中的白細胞計數或淋巴細胞數等數據，匯入AI預測模型，結果顯示靈敏度高達84%，而放射科醫師評估的靈敏度則只有75%。同時AI更可以從醫師判斷是陰性反應病患中，找出68%的確診者。

AI判讀X光　準確度高

印度孟買Qure.ai所開發的qXR，是一套以AI為基礎的胸腔X光射線判讀系統，該技術平台可以根據掃描影像中的特徵數量來計算感染風險。目前該大數據已經蒐集了11000名患者胸腔X光影像來進行驗證，辨識準確度高達95%。另外，法國的遠程放射學公司Vizyon的系統，使用了Lunit公司的軟體，僅需10分鐘便可完成患者掃描並計算受感染的可能性。這兩家印度和法國公司的系統已經打入了義大利、美國、墨西哥與中東及非洲醫院。

日本每百萬人中有107台CT設備，密度高居世界第1，所以從事醫療資訊服務的日本M3公司與阿里巴巴旗下的達摩院合作，在日本推出針對武漢肺炎的肺部電腦斷層掃描CT影像進行分析的AI系統Ali-M3， 並已向厚生勞動省申請了醫療器械的生產和銷售許可。

更令人驚豔的，英國劍橋的研發團隊還試圖透過語音方式來辨識那些呼吸和咳嗽聲是來自確診病患，未來可以作為檢測的方式，這樣潛在病患不須使用耗時核酸檢測或是CT成像，就可透過手機的App檢測是否確診。

AI除了在診斷檢測上有其發展潛力，在優化治療上也將扮演要角。紐約大學有兩名研究人員利用中國溫州53例武漢肺炎患者血細胞計數、發炎指數、血壓呼吸及疾病症狀等大數據分析，可以預測出重症病患，準確率為70%到80%。同時，如果肝指數ALT（即GPT）與血紅蛋白指數升高，以及身體疼痛可以預測出哪些人感染後將出現比較嚴重的症狀。

Medical EarlySign更是創新，利用27年來累積的數百萬筆醫療數據庫，包括年齡、BMI、心臟病、糖尿病、住院紀錄等等，開發出一套可識別罹患流感高風險族群的系統。現在這套系統經過改寫，已經在240萬名會員中，標記出了4萬名為武漢肺炎重症高風險者。美國主要的醫療保健提供商對此也相當有興趣，已經加快與Maccabi商談使用這套系統。

至於重症者如果發生呼吸衰竭，便需要使用呼吸器來治療，但長期的機械通氣，重症患者的存活率會下降至僅剩50%。慕尼黑工業大學研究人員為此開發了一套運用人工智慧建構的數位肺部模型，可透過電腦斷層掃描數據進行運算、模擬肺組織在氣流通過時的狀況，甚至可將已受疾病破壞，或先前已損傷的部位納入考量，因此醫務人員和醫師可依此調整呼吸器使用，以提供患者更安全的治療，甚至這套模型也可使用在武漢肺炎的早期檢測。

利用演算法 找出有效藥物

英國的AI新創公司Benevolent利用人工智慧在今年1月就找出禮來大藥廠治療類風溼關節炎藥物Baricitinib具有治療武漢肺炎多種優勢的潛力，禮來也加快全球的臨床試驗，預期7月有機會看到試驗結果。

英國另一家生物技術公司Exscientia正在與生產比太陽還要明亮100億倍光束的Diamond Light Source，以及加州Scripps Research的藥物研發部門Calibr合作研究，針對已經在市場上出售的藥物與通過臨床和動物安全性研究的15000種藥物分子，利用人工智慧優先找出可以抑制病毒複製的關鍵酶。而總部位於劍橋的Healx則對市場上已有的4000種已批准藥物中，利用人工智慧演算800萬種2重療法及105億種3重療法對武漢肺炎有治療潛力的標的。

溫哥華的AbCellera利用大流行病AI研究平台，從第一批武漢肺炎康復患者的血液樣本中識別出抗體之後，由禮來開發該抗體，再由AbCellera經過11天的篩選識別出候選抗體藥物LY-CoV555。從篩選到進入首次人類臨床試驗僅用了不到3個月的時間，開發速度之快前所未見。

在預防、監測方面，新加坡研究人員在《Nature Medicine》的論文中指出，物聯網、大數據分析、運用深度學習的人工智慧和區塊鏈技術，對武漢肺炎的監測預防，以及如何降低新冠肺炎對整體醫療的影響有其關鍵應用。

研究指出，數位公司Dadax所創建的Worldometer，以及約翰霍普金斯大學所繪製的武漢肺炎疫情地圖，每天追蹤各國確診、死亡、康復人數等，這些數據是公共衛生機構或是一般民眾了解疫情流行現況的重要參考。此外，該計畫還透過追蹤有病毒感染和感染後抗體案例的大數據，建立模擬預測模型來了解病毒／疫情可能的傳播模式，並預測爆發時間以及地區，讓各國政府可以先行擬定策略阻止擴散，同時適時調配相關的醫療資源。

AI醫療大革命　台灣呢？

隸屬於美國衛生及公共服務部HHS美國生物醫學先進研究與開發局BARAD，最近也決定贊助Empatica研發名為Aura的完全非侵入性系統。該計畫將使用Empatica的醫療智慧手環E4、軟體和人工智慧，在出現症狀之前，連續不斷地即時偵測感染病毒的可能性，並向用戶及其醫療保健提供者發送警告。Aura這樣的數位生物標記物可以幫助有效地對患者進行分類，從而實現更有效的護理和病例優先排序，並有可能及早挽救生命。

過去10年，人工智慧在日常生活和醫療領域都有應用的軌跡，2019年底開始的這一波武漢肺炎疫情，很可能會讓醫療中的大數據、人工智慧大躍進，甚至加速改變人們未來就醫習慣與醫師診療模式。只是，這一波AI在醫療上的大革命，台灣跟上了嗎？ 

這次台灣生技股挾全球口罩、檢測供不應求以及對本土疫苗研發高度期待下，在資金淹腳目的推波助瀾下，相關概念股紛紛飆漲，讓本來奄奄一息的生技公司呈現難見的活力。但這次股價大漲之下，相關公司的研發實力或是未來獲利也必須等級數地向上提升，否則台灣生技公司最後只會贏得短線資金青睞，而長線的研發實力卻無法與國際大廠競爭。

(財訊 記者饒秀珍、葉懷璘)