「科學其實源自於好奇心；當我們看見兩個東西很像，下一步就是問：能不能用更客觀的方法分辨它們？」
原文圖片／照片
以下區塊讀取 Blogger 原文圖片，並自動把縮圖網址升級為原圖／高解析度版本；不再使用低解析預覽圖。
原文整理
這次演講我特別用一個生活化的例子作為開場：哈士奇和阿拉斯加長得很像，很多人第一眼不一定分得清楚；但如果透過人臉辨識技術與深度學習模型，就可以把肉眼不容易掌握的細微差異轉成可計算的特徵。
我想表達的是，修格蘭氏症與乾眼症的臨床表現也常常很相似。病人可能都會說眼睛乾、口乾、疲倦、睡不好，甚至舌象也可能有相近的乾燥、紅、裂紋或津液不足表現。傳統臨床判斷很重要，但如果能加入 AI，就有機會把這些細微差異做成更穩定、更可重複的分析。
ArcFace 原本是臉部辨識領域常用的深度學習方法，核心概念是讓模型學會在高維特徵空間中拉開不同個體或不同類別的距離。放到醫學研究裡，我們可以借用這種思路，分析舌象、臉部影像、眼部影像或其他臨床圖像，判斷哪些特徵可能和修格蘭氏症、乾眼症或中醫體質有關。
在 AIDDES Lab 的研究裡，我們不只想做單一影像分類，而是希望把問卷、臨床檢查、舌診影像、脈診訊號、心律變異、甲褶微循環、基因體、RNA、蛋白質體與口腔微生物等資料放在一起，形成真正的多模態分析。
AI 對中醫研究的價值，不是取代中醫師，而是協助我們把過去依賴經驗與直覺的觀察，轉成可被保存、比較、驗證與追蹤的資料。這對中醫現代化非常重要，因為中醫最核心的辨證論治本來就是高度整合的判斷，只是過去缺少足夠好的量測與計算工具。
我也提醒學生與年輕研究者，AI 不是魔法。資料品質、標註一致性、外部驗證、模型可解釋性、跨資料庫偏移與臨床可用性，都是必須面對的問題。若沒有好的臨床問題，AI 很容易只是在做漂亮的分類；但若從真正的病人困難出發，AI 就有機會成為連接臨床與研究的重要工具。
所以這場演講的核心，不只是介紹技術，而是說明一個研究態度：從好奇心開始，從臨床現象出發，提出可以被測量的問題，再用 AI 與深度學習協助我們看見肉眼不容易看見的差異。
站內全文轉載
以下已將文字內容直接整理為本站 HTML。讀者可留在本站閱讀；原始 Blogger 連結保留作為校對、圖片或發布資訊備援。
這次演講我特別用一個生活化的例子作為開場：哈士奇和阿拉斯加長得很像，很多人第一眼不一定分得清楚；但如果透過人臉辨識技術與深度學習模型，就可以把肉眼不容易掌握的細微差異轉成可計算的特徵。
我想表達的是，修格蘭氏症與乾眼症的臨床表現也常常很相似。病人可能都會說眼睛乾、口乾、疲倦、睡不好，甚至舌象也可能有相近的乾燥、紅、裂紋或津液不足表現。傳統臨床判斷很重要，但如果能加入 AI，就有機會把這些細微差異做成更穩定、更可重複的分析。
ArcFace 原本是臉部辨識領域常用的深度學習方法，核心概念是讓模型學會在高維特徵空間中拉開不同個體或不同類別的距離。放到醫學研究裡，我們可以借用這種思路，分析舌象、臉部影像、眼部影像或其他臨床圖像，判斷哪些特徵可能和修格蘭氏症、乾眼症或中醫體質有關。
在 AIDDES Lab 的研究裡，我們不只想做單一影像分類，而是希望把問卷、臨床檢查、舌診影像、脈診訊號、心律變異、甲褶微循環、基因體、RNA、蛋白質體與口腔微生物等資料放在一起，形成真正的多模態分析。
AI 對中醫研究的價值，不是取代中醫師，而是協助我們把過去依賴經驗與直覺的觀察，轉成可被保存、比較、驗證與追蹤的資料。這對中醫現代化非常重要，因為中醫最核心的辨證論治本來就是高度整合的判斷，只是過去缺少足夠好的量測與計算工具。
我也提醒學生與年輕研究者，AI 不是魔法。資料品質、標註一致性、外部驗證、模型可解釋性、跨資料庫偏移與臨床可用性，都是必須面對的問題。若沒有好的臨床問題，AI 很容易只是在做漂亮的分類；但若從真正的病人困難出發，AI 就有機會成為連接臨床與研究的重要工具。
所以這場演講的核心，不只是介紹技術，而是說明一個研究態度：從好奇心開始，從臨床現象出發，提出可以被測量的問題，再用 AI 與深度學習協助我們看見肉眼不容易看見的差異。
文章分類
AIArcFace修格蘭氏症乾眼症舌診多模態分析
原文校對與備援
原始文章來自 Blogger，本站保留原文入口以便日後校對原始排版、圖片或附加資料。