透过大数据分析，达到精准医疗已是医界趋势，但如何让系统串联各院所的资讯，又不侵
犯到个人隐私，杜奕瑾推动的“联合学习”AI革命，或许正是解答。
现今，各行各业无不积极发展人工智能（AI），而这都需要大数据（big data）支撑。但
对医界来说，最难过的关卡，是“数据共享”与“患者隐私”间的拉扯。
然而，被封为“PTT创世神”的杜奕瑾，他创立的台湾人工智能实验室（AILabs）端出最
新关键技术“联合学习”，已为这项困境带来一线曙光。
2020年，AILabs在短短半年间，所陆续开发的多款“防疫神器”，就是善用“联合学习”
技术。
以“新冠肺炎Ｘ光检测系统”为例，该系统在建立之初，原先只拥有台大医院的肺部影像
数据库，但在AILabs联合学习技术的协助下，短短一个多月，便先后串起国际开放数据库
，学习超过四万张的胸部X光片。
该系统去年5月正式推出后，在健保署长李伯璋的协助下，还得以使用健保影像数据库进
行加强训练，等同运用全台湾肺部影像数据为该系统加持。后续更迅速获得全球各地医师
青睐，各国医师都可以透过上传胸部X光影像，获得检测结果。
靠一套AI系统，一口气学习全国，甚至是全球数据库，在医学界并不多见。因为医疗数据
具有高度敏感性，光是国内的院际合作就已十分困难，更遑论跨国共用一套AI系统。
长期参与AILabs联合学习计画的台大医学院内科部医师王宗道指出，过去医师若想投入AI
研究，数据来源多半只能仰赖自身服务单位。
若想透过跨院合作，提升AI预测的精准度，难如登天。因为医院在未经病患许可前，无权
分享病患数据；若要逐一征询病患同意，旷日废时。
“模型共享”取代“数据共享”
而“联合学习”如何让“共享”与“隐私”兼得？
杜奕瑾解释，传统训练AI模型，必须要将所有数据集中在一台电脑中，才能进行训练。
这就好比为了训练一位医师，将大量病人都送到同一所医院，这对医生来说或许方便，却
苦了需要舟车劳顿的病人。
而同样是为了训练AI模型，“联合学习”正好相反，是先建立好一个模型，再让该模型分
头进入各院所进行训练，力求以“模型共享”，取代过去的“数据共享”。
如此一来，各院所不必贡献病患资料，也能让模型持续迭代，达到传统集中式的训练成果
。
“就像是让一位医师轮调各家医院，医师同样能看到所有病人，却能让病人们省去移动成
本，”杜奕瑾生动比喻。
对此，北荣AI门诊创办人、台北荣民放射线部神经放射科主任郭万祐尤其有感。
早自2019年初，郭万祐便在荣总骨科、神经外科、心脏科，导入协助医师判读脑瘤转移的
AI系统（DeepMets）。通过该系统判断脑瘤转移的时间，从20分钟大幅缩短到30秒内，而
且还能计算出脑瘤大小。
可惜的是，DeepMets推出初期，便受限于院际间的病人隐私问题，而无法针对北荣以外的
影像资料进行学习。
郭万祐解释，各医院处理影像的方式有许多细节上的差异。从医师标注方式、影像系统、
归档方式，都不甚相同，因此，即便DeepMets在北荣运作顺利，也无法轻易导入其他院所
。
幸好，随着“联合学习”在2020年的迅速成熟，让DeepMets有了走出北荣的机会。
2020年中，看准“联合学习”对AI模型的训练方式，郭万祐率先发起试验，联合AILabs、
阳明大学、交通大学、瑞典哥德堡查理斯科大进行合作，成功验证DeepMets透过“联合学
习”的训练方式同样有效。
今年3月，郭万祐更联合全国九所医疗院所，筹组“台湾脑瘤联合学习起始会”，让
DeepMets从单一院所的AI模型，一举成为有九家医院数据训练成果的“脑瘤判读最强大脑
”。
过去短短一年内，这阵“联合学习”风潮，已经快速吹进全台医疗院所。2020年11月，由
AILabs领衔，串联全台11家医学中心，正式成立“台湾联合学习医疗联盟”，力求加快探
索“联合学习”应用的各项可能。根据AILabs统计，该联盟中，类似DeepMets的“医疗型
最强大脑”，全台已有120个。
数据不泄隐私，迎向精准医疗
除了院际合作，未来个人也能透过“联合学习”的机制，成为“脑细胞”的一份子。
今年2月中，部桃医院重启之际，为更加精准防疫，防疫中心推行使用“社交距离App”，
正是“联合学习”结合个人数据的绝佳示范。
杜奕瑾解释，下载该款App后，只要曾与“确诊者”接触过，该App就会立刻发出通知。原
理也采行“联合学习”机制，App不会记录关乎隐私的个人数据，仅记录“去识别化装置
足迹”。
随着精准健康逐渐成为趋势，未来人工智能势必需要更多、更完整的个人数据，才有办法
给出精确的医疗判断。
如何让系统端串联所有人健康资讯，而不侵犯到隐私，在杜奕瑾眼中，“联合学习”也许
就是答案。
这股未来潜力，政府也看到了。1月29日，由国发会主委龚明鑫发起，少见地共同串联行
政院底下四大部会：交通部、卫福部、经济部、文化部，共同成立“台湾联合学习产业大
联盟”，致力寻找AI在各行各业的全新可能。
接下来，“联合学习”的AI革命才正要开始。