国内首个跨院所医疗影像标注数据库上线，加速医疗影像的AI应用

人工智能(AI)的应用遍地开花，在医疗产业也是如此，例如Google运用电脑视觉技术和深度神经网络算法，从患者的视网膜眼底医疗图像中，辨识出糖尿病的视网膜病变，而在国内也有相关的应用，科技部启用第一个跨院所的医疗影像标注数据库，未来将提升重大疾病的医疗影像AI辨识准确度，造福更多的病人。

科技部今天(12/26)与台湾大学、台北荣总和台北医学大学三大医疗团队，共同宣布国内第一个跨院所的医疗影像数据库正式启动，集结三大团队的医疗人员以人工标注医疗影像资料，涵盖脑、心、肺的重大疾病的医疗影像标注资料，未来可供其他研究、医疗团队运用，加速AI在医疗产业的应用。

主导这项计划的科技部长陈良基表示，医疗影像产生大量的数据，医护人员往往花费许多时间在分析这些数据，而人工智能在数据分析上可以扮演关键的角色，让几百张的CT扫描影像，重复性的工作，由人工智能来帮忙，有助于加快医疗人员对重大疾病的判断，例如从大量的医疗影像中快速了解病灶的所在的位置，让医生专注在治疗上。

科技部是在去年10月启动“医疗影像专案计划”，除了台大、北医、荣总三大医疗团队外，也和台大、台科大、交大、中央大学等学校的AI研究团队合作，结合医疗人员标注影像资料，训练AI模型的资料处理及编译，开发能够自动分析医疗影像的AI算法。

这个医疗影像标注数据库经过一年的时间，集结了46540个病例的医疗影像，超过500万张的医疗影像，涵盖脑转移瘤、原发性脑瘤、听神经瘤、肺癌、心脏冠状动态脉等重大疾病的医疗影像，包括X光、血管摄影、磁振造影、电脑断层等共15类的医疗影像资料，其中将近1.8万个病例标注了疾病资讯。

该数据库搜集的医疗影像资料均取得病人的同意，同时为了符合GDPR的当事人资料自主权，同意搜集资料的病人可以动态选择退出，所有影像资料经过匿名化处理，由国网中心负责维运数据库，三大医学团队定期上传标注资料。

三大医疗团队也展示了运用医疗影像标注资料的成果。其中北医整合了北医附医、万芳医院、双和医院的医疗影像团队，为数据库提供上万笔的临床医学影像资料，涵盖脑、心、肺的影像资料，其中对肺的CT影像作AIM的深度标注，运用AI模型协助对肺癌的病理分类、诊断及愈后预测。

北医展示病理人员对肺癌的切片分析，由病理人员标注6万X6万的高分辨率切片影像情形：

台大则针对心脏血管疾病，以AI自动将冠状动脉、心肌血流融合，协助研究容易造成猝死的心肌梗塞等重大疾病。

台北荣总则提供脑及骨科方面疾病的医疗影像标注资料，并和交大、AI Labs合作AI算法，将AI的医学影像分析应用在四方面，脑内转移肿瘤、心房颤动预测模型、青光眼诊断、压迫性骨折。

利用AI判读医疗影像判别疾病的有或无：

其中对青光眼的AI医学影像诊断，由于判断有无青光眼，准确率达到91.97%，而辨别黄斑部病变成因准确率初步也可达85%以上，骨折诊断可辨识骨折位置、骨质疏松程度，而在脑转移瘤的MRI影像辨识上则较为复杂，AI需要判断并标注出肿瘤的病灶位置及范围，准确率也有89.85%。在大量影像资料基础下，北荣喊出了AI门诊就绪的口号。

台北荣总展示将脑转移瘤的MRI影像送到AI系统判断后，AI以绿色圈出病灶，再由专业医生人工再次检视，若有遗漏病灶之处，由医生以人工圈出，再送回神经网络重新训练，逐渐提高AI对病灶的判别准确性。

科技部表示，每个疾病案例的不同医学检查，可产生数张到数百张的医学影像，过去依靠医师以人工判读分析，构成相当大的工作负担，未来根据医疗影像标注资料开发出AI分析工具，能以自动的方式协助医生判读医学影像，除了加速影像资料判读、精准度，也能降低病人检查花费的时间及医疗支出，同时对人力不足的偏乡医疗也有帮助。