台大医学院携手AMD推进医疗AI跨域研究
- 张姝宁／台北
-
人工智能在医疗领域的应用正由单一影像识别，延伸至多体学分析、临床决策、高效能科学运算与智能穿戴等更多研究场景，医疗、工程与信息团队之间的协作也因此愈来愈重要。为协助不同领域研究者交流实际应用经验、寻找可共同投入的研究课题，台大医学院日前举办「医疗AI跨域创新研究分享暨交流会」，串联台大医院临床研究团队、工程与信息领域学者，以及AMD等产业夥伴。
从基因体多体学与医学影像分析、急诊CPR智能手机应用，到生医AI与高效能科学运算，现场分享呈现医疗AI研究正在面对的不同课题，包括如何从临床问题出发定义研究方向、让医学与工程团队建立共同语言，以及在数据与模型规模持续增加后，取得足以支持研究的运算资源。
从眼科预测到急救现场 AI研究回到临床问题
台大医学院副院长暨NTU Stanford-Taiwan Biomedical Fellowship Program（NTU STB-Biodesign）计划主持人徐玮励表示，医疗AI的发展需要临床医师、研究人员与产业夥伴共同投入。这次交流除了分享研究成果，也希望让不同领域研究者找到可以合作的问题，进一步把AI技术带进实际医疗需求。
交流会中，台大医院眼科部陈达庆医师分享团队整合基因体多体学（multi-omics）与高分辨率影像数据，建立视觉保存预测模型，藉由AI分析复杂生医数据与疾病发展之间的关联；急诊医学部吕宗谦医师则从第一线急救需求出发，介绍以智能手机结合深度学习与测距功能，协助救护人员掌握CPR胸部按压位置与深度的应用。
清华大学电机工程学系教授李祈均指出，医疗AI要真正落地，除了技术本身，医师与工程、信息研究者能否建立共同语言同样重要，唯有先厘清临床需求并正确定义问题，AI技术才能在医疗现场落地。
AMD Instinct MI300X GPU提供研究算力 支持AI与高效能科学运算
当AI研究进入医学影像、多体学、生物信息与大型模型，不同工作负载对算力的要求也随之提高。AMD于2026年初捐赠搭载AMD Instinct MI300X GPU的AI服务器予台大医院，提供研究团队进行医疗AI与高效能科学运算所需的运算资源。
AMD Instinct MI300X GPU采用AMD CDNA 3架构，单颗GPU配置192GB HBM3高带宽存储器，峰值理论存储器带宽达5.3TB/s。较大的GPU存储器容量可容纳大型模型与研究数据，高存储器带宽则有助于处理AI模型训练、生物信息分析及科学模拟过程中的大量数据存取需求。
交流会中，AMD软件工程师林颖彦也以「从基因体到蛋白质结构：开放平台上的生医AI运算」为题，介绍AI与高效能运算在生命科学研究中的应用。AMD表示，希望透过运算平台与技术资源，降低研究团队验证创新构想时面对的算力限制，让研究者能把更多心力放在问题本身。
此次AI平台亦由台智云协助建置与管理，透过云端平台与运算资源管理能力，使不同研究工作可依需求使用算力，支持模型开发、数据分析与科学运算。
多尺度模拟串联人体力学 研究延伸至智能复能
除了影像与生物信息分析，AMD高效能运算平台也支持台大团队推进多尺度生医研究。研究团队利用LAMMPS等分子动力学（Molecular Dynamics）工具，从原子与分子层级分析生物材料与组织的微观机制，再透过多尺度运算连结至关节、骨骼、肌肉与软组织等人体系统。
这类工作涉及大量模型数据与高密度运算，AMD Instinct MI300X GPU提供的算力，可支持分子模拟、多尺度分析与AI模型开发等高负载工作，协助研究团队进一步探讨人体动作、组织受力与临床功能之间的关联。
在智能复能应用上，AMD的角色则由后端高效能运算延伸至边缘装置。研究团队规划透过惯性传感器（IMU）与肌电传感器（EMG）蒐集关节活动、肌肉反应与功能性动作数据，并利用AMD Ryzen AI MAX+ 395 CPU在装置端执行机器学习推论与动作模式识别，搭配震动刺激与电刺激，探索针对关节退化、肌力不足与动作控制不稳定等需求的个人化辅助介入方式。
穿戴装置累积的数据则可回传至搭载AMD Instinct MI300X GPU的高效能运算环境，进行AI模型训练、多尺度生医模拟与长期数据分析，形成后端训练与前端实时推论的分工。
徐玮励表示，医疗AI研究除了技术与算力，也必须同时考量研究伦理、信息安全及相关申请规范。未来台大医学院与台大医院将持续串联临床、工程与产业资源，运用高效能运算与AI工具验证研究构想，推动具临床价值的研究成果朝实际应用发展。
