為加速發展「智慧醫療」，台北榮總繼糖尿病、腎臟病、心臟病及耳科疾病等多項醫學研究中使用 IBM Cloud Pak for Data 內建的 AutoAI（簡 化 AI 開發）功能之後，再導入 IBM Cloud Pak for Data 平台，運用雲原生架構，打破醫療資料孤島、保護資料隱私及安全，能快速從資料中取得洞察，使資料使用效率最大化。

台北榮總大數據研究團隊導入 IBM Cloud Pak for Data AutoAI 解決方案，大幅縮短真實世界資料 AI 建模開發時程，加速醫療研究結果產出。（source：IBM Taiwan）

北榮醫療團隊以往從安裝工具到完成一件醫學分析結果，至少必須耗時約三到六個月，相較之下，善用 AI 科技輔助醫療研究效率，導入後大幅縮短到兩週內即完成。台北榮總計劃將已驗證的醫療真實世界證據 (real world evidence；RWE），提供給醫師做為門診第二意見摘要，加快醫師為病人設計治療方案的速度。

突發性耳聾屬於耳鼻喉科的急症之一，由於一般民眾對這種疾病相當陌生，容易忽略其危險與緊急性，醫學界一直致力於找出可以完全治癒的關鍵要素。北榮醫療團隊使用 IBM Cloud Pak for Data 的機器學習與自動建模功能，分析上千份病歷資料後發現，患者若能在突發性耳聾發生的7~14天內就醫，盡快接受住院檢查和治療，透過傳統合併式療法，完全復原其聽力的機會越大。這項研究在採納 IBM Cloud Pak for Data 解決方案後，以往要耗時半年的 AI 建模、運算、調校，縮短到幾個小時內就可完成一次運算，幾週內就能找出最適模型。

台北榮總資訊室朱原嘉博士表示，以往尋找醫療真實世界證據之前，資料科學家採用群組/隊列研究 ，以歸納方式調整超參數、建立模型、評估模型的有效性；當模型的準確度不高或不符合醫師臨床經驗時，又需要花上幾週修改超參數，調整模型，整個過程平均需要三到六個月。IBM Cloud Pak for Data 平台內建的 AutoAI 功能，有效應對了目前醫療產業欠缺資料科學家的困境，也讓年輕醫師有了易於使用的 AI 學習環境。

IBM Cloud Pak for Data 的 AutoAI 功能如何輔助醫療研究？朱原嘉指出，在研究資料收集、模型開發測試及驗證預測模型三階段，AutoAI 都扮演重要角色：幫助研究者辨識重要數據的重要特徵、縮短資料清洗與資料精煉的時間，透過低代碼 (Low-Code) 或無代碼 (No-Code) 的 AutoAI 功能，讓 AI 機器學習自行建立並訓練多樣化模型、找出冠軍模型，節省可行性分析與試錯的時間；並可自動生成 python 程式碼，幫助研究者持續優化模型與重現研究結果，加速醫學研究進展。

台灣 IBM 公司客戶成功副總經理胡育銘表示，IBM Cloud Pak for Data 的使用門檻非常低；即使是不具備寫程式或建模能力的使用者都能輕易上手。北榮的醫療研究團隊透過 AutoAI 指定預測專案、自動建模、選擇適合模型，自動產出代碼，讓醫師與醫學助理可以專注於精進模型，省下大量時間與精力。

IBM Cloud Pak for Data 具備多雲資料存取與整合(AutoSQL)、智慧型知識型錄(AutoCatalog)、通用的資料隱私與安全(AutoPrivacy) 及簡化 AI 開發(AutoAI) 等四大功能，可以解決企業資料互不相通的窘境，保持資料隱私與安全，滿足各種職能的資料使用者對於資料分析建模的需求，任何領域的專業人員都可以輕鬆地使用 AI 科技輔助個人專業，協助企業或組織研究快速進展。

BM Cloud Pak for Data解決方案運用於醫療產業之外，在高科技製造業、汽車製造與政府部門皆有應用案例。