【講題】邁向個人化醫療的計算建模： 從疾病量化、風險預測到治療策略評估

【演講時間】10月05日(星期一)下午1點30分  

【演講地點】清華大學校本部第二綜合大樓B側8樓A813室

【摘要】

本演講以臺中榮民總醫院的數位轉型經驗為起點，介紹資料整合、人工智慧應用與臨床治理 如何共同支持個人化醫療。透過非醫療背景亦能理解的臨床情境，探討如何將病人的需求轉 化為可量測、可預測與可驗證的計算問題，並說明模型表現、工作流程與實際照護價值之間的 關係。 演講將以僵直性脊椎炎（AS）與全身性紅斑性狼瘡（SLE）為主要案例。AS部分介紹病人自我 評估、檢驗資料與電子病歷整合，以及人工智慧輔助脊椎影像評分，說明疾病活動與結構損傷 的量化方式，並延伸至影像、穿戴式裝置及多模態資料的研究方向。SLE部分則以急性腎損傷 與急性腎病的風險預測研究，介紹可解釋機器學習、特徵選擇與預測時間窗，討論資料品質、 不確定性、模型驗證及警示負荷等實務挑戰。 在治療策略評估方面，將透過假設性的策略比較情境，區分風險預測與治療效果估計，介紹因 果推論及目標試驗模擬（target trial emulation）的基本概念，強調研究對象、治療策略、追蹤起 點與結局定義的重要性，並說明觀察性資料的限制，建立審慎解讀個人化治療證據的基礎。 演講亦將探討生成式人工智慧、代理式人工智慧與通用人工智慧（artificial general intelligence, AGI）的概念差異，以個人化照護助手的研究構想，說明跨任務整合、知識檢索與 工具使用的潛力，同時區分模型能力與自主行動權限，討論資料不足、內容錯誤及跨情境應用 時的風險。 最後，以中榮人工智慧治理（AI governance）架構為例，說明風險分級、部署前驗證、族群公平 性、隱私保護、人工覆核與責任分工，以及持續監測、版本管理和停用機制的重要性。期望參 與者能辨識疾病量化、風險預測與因果評估的不同任務，理解可信任醫療人工智慧所需的證 據與治理條件，並探索計算科學與臨床醫療在可靠量測、動態風險建模及照護助手評測上的 合作機會。