【技術簡介】
運用AIoT技術解決各級醫療機構藥局於調劑及給藥階段經常發生之處方調劑錯誤藥物事件，提出一套基於深度學習物件偵測技術之自動辨識與核對藥袋內藥品正確性之完整解決方案，以融入現行醫院調劑室調劑覆核標準流程，輔助調劑藥師更快且更精準確認處方調劑之正確性。
【技術之科學突破性】
「適用於醫院藥品調劑室之人工智慧藥品辨識與覆核系統」為一套自動辨識與核對藥袋內藥品正確性之完整解決方案，技術核心乃以深度學習開源框架為基礎，藉由快速區域卷積神經網路(Fast R-CNN)模型並調整模型階層與參數訓練出AI藥品辨識引擎，以針對藥袋內影像進行藥品辨識與數量計算，進而確認袋內藥品內容之正確性。本技術已發表在IEEE知名期刊、獲得發明專利、與參加2020教育部智慧聯網專題實作競賽金獎、2020技術處搶先大賽獲得冠軍，其中科學突破性說明如下：
1.為了提高訓練辨識之精準度，本作品首創設計儀器腔體內影像模組、拍攝距離、及光源照度等規格一致之藥物取樣儀器及藥物辨識儀器，乃是為了讓深度學習藥品樣本訓練所需拍攝影像與藥品辨識所需拍攝影像完全一致，減少色澤、亮度、影像物件尺寸等可能誤差，讓藥品辨識精準度達99％以上。
2.本團隊與國內兩家醫學中心合作，藉由所研發之藥物取樣儀器針對1,500種處方藥品建置全台獨一無二且品項完整且影像品質穩定之藥品特徵影像物件資料集，取樣標記資料數量目前已超過750,000筆，仍持續擴充當中。
3.本作品以藥物辨識儀器之AI嵌入式系統模組推論辨識藥袋內藥品及數量，因無須將影像傳送至遠端AI伺服器進行識別，可減少聯網通訊所耗費的時間成本，進而大幅提升辨識反應速度，目前可達到辨識藥品反應時間小於0.5秒。相較於目前調劑藥師以人眼視覺覆核約需3秒，本作品可大幅度提升藥物覆核精準度與效率。
4.在AI軟體階層設計上，本作品提出創新之階層式多模型AI藥品辨識引擎架構，藉由同時載入多個AI藥品辨識引擎於AI嵌入式系統模組，以分群概念讓每個AI藥品辨識引擎負責所屬藥物群之辨識，可大幅度提升辨識精準度與擴充性。
5.本作品可作為跨領域智慧聯網應用研發工程範例，特別與醫學中心合作建置完整的藥品特徵影像物件資料集，作為AI藥品辨識技術之核心影像資料庫，除了令本作品之實用性更貼近醫院端需求外，亦拉近IT產業與醫療服務產業合作之鴻溝，同時激發共同拓展新興市場的目標。而此合作研發模式可複製延伸於其他相關應用，讓科學突破理論價值，創造嶄新的實務應用價值。
【技術之產業應用性】
根據台灣病人安全通報系統顯示，國內外藥物事件都是各級醫院通報醫療不良事件量第一名。而藥物事件成因中又以醫院調劑室調劑及藥局給藥過程因調劑錯誤而導致給藥錯誤為主因，且往往對病患健康造成重大影響。而調劑與給藥錯誤發生率亦與其醫院規模息息相關，規模較小區域或教學醫院人員編制越顯不足。由於一份處方須約在一分鐘內調劑完成，因此在如此緊迫的時間壓力下，相較於醫學中心，規模較小的醫院調劑錯誤率則相對更高。據統計各級醫院通報TPR之調劑錯誤率約25％、給藥疏失約32％，占整體藥物事件比例高達57％。以醫學中心為例，每月合理調劑數量約13.5萬次推估，每月發生調劑錯誤之通報事件平均至少6次以上；而地區或教學醫院每月推估甚至高達60次以上。
因此，如何改善醫院調劑室之調劑流程以降低給藥錯誤率，進而減少對病患健康之影響為世界各國醫院皆重視的議題。現行醫院對於調劑與給藥程序多奉行標準藥品使用流程。即醫生開立處方後，系統隨即印出病患之處方藥袋，並由調劑室調劑藥師進行一藥一袋調劑；調劑完成後便由其他調劑藥師以人工視覺覆核藥袋內藥品是否無誤，並用印代表核對完成後，將藥袋轉送至藥局發藥給病患。現行依賴人工檢查方式進行調劑覆核，規模較小區域或教學醫院人員會因缺乏人力而無法進行調劑覆核。而針對如醫學中心之大型醫院，雖有調劑覆核人員但仍會因人為因素(如：工作時間長，身體狀況不佳)導致漏核之狀況，進而造成對病患健康產生重大影響。
本系統以醫院調劑室藥品覆核需求為出發點，運用AIoT技術可解決各級醫療機構調劑室經常發生之調劑錯誤事件。透過在研發過程中與國內兩家醫學中心合作，不論在技術的規格與產品雛形的功能皆符合現今國內外醫院調劑室之藥品覆核流程。系統所需之相關AI辨識技術已取得國內發明專利而階層式多模型AI藥品辨識引擎架構亦已送出多國之發明專利申請。相關技術除了已經技術移轉給廠商外，目前正在進行商品化開發，產品雛型已由國軍花蓮醫院於2020年醫療科技展發表並展示。預期未來不久將可以成功的導入國內醫學中心，並進一步拓展致國內外市場。除此之外，本作品所建立之藥品特徵影像物件資料集未來亦可作為國內外其他藥品辨識應用產品(如：居家智能藥盒、智能配藥機、病房藥物覆核系統等)開發之關鍵核心，對於醫療產業、醫材產業、乃至於大健康產業影響甚鉅。

線上展網址：
https://tievirtual.twtm.com.tw/iframe/b5db1150-f9c8-4bf3-b718-13bb1b3aea6a?group=23bfb1fa-dd5b-4836-81a1-4a1809b1bae5&lang=tw