臺大醫學院攜手AMD推進醫療AI跨域研究
- 張姝寧／台北
-
人工智慧在醫療領域的應用正由單一影像辨識，延伸至多體學分析、臨床決策、高效能科學運算與智慧穿戴等更多研究場景，醫療、工程與資訊團隊之間的協作也因此愈來愈重要。為協助不同領域研究者交流實際應用經驗、尋找可共同投入的研究課題，臺大醫學院日前舉辦「醫療AI跨域創新研究分享暨交流會」，串聯臺大醫院臨床研究團隊、工程與資訊領域學者，以及AMD等產業夥伴。
從基因體多體學與醫學影像分析、急診CPR智慧型手機應用，到生醫AI與高效能科學運算，現場分享呈現醫療AI研究正在面對的不同課題，包括如何從臨床問題出發定義研究方向、讓醫學與工程團隊建立共同語言，以及在資料與模型規模持續增加後，取得足以支援研究的運算資源。
從眼科預測到急救現場 AI研究回到臨床問題
臺大醫學院副院長暨NTU Stanford-Taiwan Biomedical Fellowship Program（NTU STB-Biodesign）計畫主持人徐瑋勵表示，醫療AI的發展需要臨床醫師、研究人員與產業夥伴共同投入。這次交流除了分享研究成果，也希望讓不同領域研究者找到可以合作的問題，進一步把AI技術帶進實際醫療需求。
交流會中，臺大醫院眼科部陳達慶醫師分享團隊整合基因體多體學（multi-omics）與高解析度影像資料，建立視覺保存預測模型，藉由AI分析複雜生醫資料與疾病發展之間的關聯；急診醫學部呂宗謙醫師則從第一線急救需求出發，介紹以智慧型手機結合深度學習與測距功能，協助救護人員掌握CPR胸部按壓位置與深度的應用。
清華大學電機工程學系教授李祈均指出，醫療AI要真正落地，除了技術本身，醫師與工程、資訊研究者能否建立共同語言同樣重要，唯有先釐清臨床需求並正確定義問題，AI技術才能在醫療現場落地。
AMD Instinct MI300X GPU提供研究算力 支援AI與高效能科學運算
當AI研究進入醫學影像、多體學、生物資訊與大型模型，不同工作負載對算力的要求也隨之提高。AMD於2026年初捐贈搭載AMD Instinct MI300X GPU的AI伺服器予臺大醫院，提供研究團隊進行醫療AI與高效能科學運算所需的運算資源。
AMD Instinct MI300X GPU採用AMD CDNA 3架構，單顆GPU配置192GB HBM3高頻寬記憶體，峰值理論記憶體頻寬達5.3TB/s。較大的GPU記憶體容量可容納大型模型與研究資料，高記憶體頻寬則有助於處理AI模型訓練、生物資訊分析及科學模擬過程中的大量資料存取需求。
交流會中，AMD軟體工程師林穎彥也以「從基因體到蛋白質結構：開放平台上的生醫AI運算」為題，介紹AI與高效能運算在生命科學研究中的應用。AMD表示，希望透過運算平台與技術資源，降低研究團隊驗證創新構想時面對的算力限制，讓研究者能把更多心力放在問題本身。
此次AI平台亦由台智雲協助建置與管理，透過雲端平台與運算資源管理能力，使不同研究工作可依需求使用算力，支援模型開發、資料分析與科學運算。
多尺度模擬串聯人體力學 研究延伸至智慧復能
除了影像與生物資訊分析，AMD高效能運算平台也支援臺大團隊推進多尺度生醫研究。研究團隊利用LAMMPS等分子動力學（Molecular Dynamics）工具，從原子與分子層級分析生物材料與組織的微觀機制，再透過多尺度運算連結至關節、骨骼、肌肉與軟組織等人體系統。
這類工作涉及大量模型資料與高密度運算，AMD Instinct MI300X GPU提供的算力，可支援分子模擬、多尺度分析與AI模型開發等高負載工作，協助研究團隊進一步探討人體動作、組織受力與臨床功能之間的關聯。
在智慧復能應用上，AMD的角色則由後端高效能運算延伸至邊緣裝置。研究團隊規劃透過慣性感測器（IMU）與肌電感測器（EMG）蒐集關節活動、肌肉反應與功能性動作資料，並利用AMD Ryzen AI MAX+ 395 CPU在裝置端執行機器學習推論與動作模式辨識，搭配震動刺激與電刺激，探索針對關節退化、肌力不足與動作控制不穩定等需求的個人化輔助介入方式。
穿戴裝置累積的資料則可回傳至搭載AMD Instinct MI300X GPU的高效能運算環境，進行AI模型訓練、多尺度生醫模擬與長期資料分析，形成後端訓練與前端即時推論的分工。
徐瑋勵表示，醫療AI研究除了技術與算力，也必須同時考量研究倫理、資訊安全及相關申請規範。未來臺大醫學院與臺大醫院將持續串聯臨床、工程與產業資源，運用高效能運算與AI工具驗證研究構想，推動具臨床價值的研究成果朝實際應用發展。
