人工智慧應用於物理治療的展望

2024年諾貝爾物理獎由約翰．霍普菲爾（John J. Hopfield）和傑佛瑞．辛頓（Geoffrey E. Hinton）獲得，兩位得獎人應用物理學工具發展方法，成為機器學習的基礎。人工智慧發展和對大腦結構認識開發有關。人工神經網路，以不同數值的節點模擬大腦神經元。這些節點類似突觸，通過連接加強或減弱。創造強連接訓練網路。讓人工神經網路能夠應用於機器學習」。1980年代起，也是神經科學蓬勃發展的年代，也是我於美國攻讀神經解剖學博班之時，應用電子顯微鏡及神經免疫化學技術，探討不同來源的神經突觸在運動神經元的型態學和神經傳遞物質。突觸的變化是神經可塑性和物理治療疼痛管理和動作學習的重要基礎。也是引發人工智慧發展的重要觸媒。

霍普菲爾（Hopfield）發明霍普菲爾網路（The Hopfield network）​，運用物理學：網路一步一步地運作，建立關聯式記憶，儲存重建資料圖像和類型模式（pattern），找到原本圖像。辛頓（Hinton) 以霍普菲爾網路作為基礎，使用統計物理學的工具，發明自動發掘資料屬性方法，辨識圖像特定元素。發展新網路：波茲曼機（Boltzmann machine），學習辨識特徵元素。波茲曼機用於分類圖像的基礎研究，促進機器學習的快速成長。

諾貝爾物理學獎委員會主席艾倫．穆恩斯（Ellen Moons）指出得獎者的人工神經網路研究, 在物理學領域應用於開發新材料。在醫學影像領域也已經有人工智慧技術，以極強辨識特徵的能力，有傑出的成果。Pattern recognization 是物理治療培育臨床人才時，重要的能力，能從各樣的臨床症狀，尤其是姿勢動作，歸納類型，為評估功能診斷和制訂治療的基礎。相信人工智慧機器學習在物理治療領域也能在人體姿勢動作特徵辨識，提供回饋，具重要貢獻，將協助開發建立個人化精準物理治療。

 

參考文獻

臺灣科技媒體中心 https://smctw.tw/17682/