【医疗影像AI实例：台北荣总】AI只花30秒就能自动从数百张MRI影像找出肿瘤！准确率达95%

今年初，台北荣总挂号网站上的科别清单上，骨科、神经外科和心脏科旁，悄悄出现AI图示，台北荣总AI辅助门诊正式开张，甚至还有一个单独的AI辅助门诊类别。

台北荣总开始用AI来辅助医生进行复杂的医疗影像诊断，以神经影像AI辅助门诊来说，台北荣总打造了一套AI系统DeepMets，可以协助判读脑转移瘤的核磁共振共振造影（Magnetic Resonance Imaging，MRI）。

脑转移瘤是指病患的癌症细胞已经转移到了脑部，属于重症疾病之一，参与DeepMets开发的台北荣总放射线部主任郭万祐指出：“脑转移是判定癌症期别的关键，”确诊后必须采取与癌症初期截然不同的治疗方式，比如标靶治疗或加马刀手术等。

郭万祐解释，脑转移瘤的病患以肺癌患者居多，过去，病患进行第一次门诊和MRI进阶检查后，得等待5至7天，先由放射科医生制作正式MRI诊断报告后，再进行第二次门诊，才能决定治疗决策。整个过程，往往要耗上一个月，病患更是等待得心急如焚。

为何MRI报告这么花时间？一般传统做法，医生得从一系列数百张MR影像中，先找出肿瘤开始出现的那一张影像，在图中手动标注出肿瘤区域，完成后继续进行下一个深度的MR影像，依序标记到最后一张有出现肿瘤的MR影像后，就可以透过软件来估算涵盖这一批MR影像的肿瘤大小。这个过程所需的时间，视肿瘤形状和大小而异，平均要花30分钟以上。若要再次详细确认，还得花更长或好几倍的时间。

如果可以缩短影像诊断时间，就能早一点决定治疗方式，尤其是对癌症末期的病患，早一天确诊，就等于多抢一天的生命。

深知其重要性，台北荣总与台湾人工智能实验室（AI Labs）在去年5月时，联手开始打造这套DeepMets系统。

台北荣总提供了1,300例已经标注过的脑转移瘤影像，再由AI Labs负责建置辨识算法模型。这一批现成已标记的脑瘤MRI资料，大大节省了AI模型训练最花时间的前置作业。双方每个月频繁讨论，经过不断修改和测试，短短不到6个月，就训练出了足够辨识能力的模型。

郭万祐解释，快速建置出DeepMets的关键是1993年引进的加马机设备，可以利用钴六十光来消除脑内深层的肿瘤，进行免开颅手术。不过，加马机手术前，得透过MRI和立体定位术，找出脑瘤的立体座标，再靠电脑计算照射部位后，才能启动加马机，将201道钴六十光束定点照射于脑瘤上，使其退化。

正因为加马刀手术需要精准定位，为治疗需要，台北荣总医生群从当时起便在MRI上标注每个病灶位置。26年下来，累积了8,000多例，种类涵盖了听神经瘤、原发性脑瘤、脑转移瘤、脑下垂体瘤及血管畸形等等。而台北荣总加马刀手术累积出的精准标注的影像，正好在这波 AI 浪潮中发挥作用，顺势而进。

只要30秒就能圈出病灶，还能自动算体积

郭万祐解释，一位病患接受一次脑部MRI 扫描，会产生数百张各式切面的影像，而这些影像会传送至医院的PACS（医疗影像储存与传输系统）上，再由医生判读。现在，医生可以从PACS点选DeepMets，让AI自动判读MRI。

“只要30秒，就能从数百张MRI中标示出病灶位置、自动计算出肿瘤体积。”郭万祐强调，DeepMets大大缩短了判读影像的时间，也能作为医生的第二参考意见。医生要是认为系统侦测结果不正确，也可以手动修正，来持续训练模型。

AI辅助诊断系统带来的改变，不只如此。病患进行MRI进阶检查之后，放射科医生就能根据AI辅助诊断系统的初步数据，快速制作报告。病患可以早一点决定，要由放射专科医生或原专科医师，来进行脑转移瘤诊断、癌期别判定及治疗方针，可以大幅缩短就诊次数与等待时间。郭万祐强调，医生还能花更多时间给予病患关怀，并讨论最佳治疗策略。

根据台北荣总今年4月最新统计的AI辅助诊断成果显示，DeepMets判读脑转移瘤的准确率，已从先前的80％提高至95％以上。台北荣总希望未来通过测试和法规核准后，能有机会大规模部署于其他医疗院所。

 传统人工标记肿瘤  传统标记MRI肿瘤位置，有赖医生手动检视数百张MR影像，一张张圈选位置（图中手指处），全部完成后，电脑才能进一步估算肿瘤大小。　摄影／洪政伟

 AI辅助判读肿瘤  医生可以直接从PACS系统中，将资料传送到DeepMets系统进行判读，只要30秒就能标示出病灶（如图绿色框线），并计算出肿瘤体积。　摄影／洪政伟

发展医疗影像AI的优势

“台湾具备健全的医疗体系，”郭万祐点出，健保不仅提供了格式统一的数据库，还带来了亲民的就诊费用，降低了医疗影像扫描和检查门槛，民众使用频率高，再加上“台湾拥有全球先进的医疗设备，”因此，累积出大量高品质的医疗影像。他认为，这些优势是台湾医疗影像AI的一大推力。

在台北荣总眼中，医疗影像AI可以解决医疗业2大痛点，也就是专业人力吃紧和医疗资源城乡差距。郭万祐解释，在医学中心，医疗影像AI系统能提供医生第二意见，缩短影像判读的时间；而用于地方医院，民众不需要千里迢迢奔波至医学中心，也能享有同水准的诊断服务，这正是台北荣总发展医疗影像AI的起心动念。

台北荣总也自2017年起参与科技部发起的医疗影像巨量数据库计划，成立临床AI影像诊疗决策研究团队，结合北荣资深医生和学术团队，利用自家保留超过14年、大于6亿张的影像数据库，来研发医疗影像AI的应用。

医疗影像只是北荣医疗AI的一步

AI医疗影像辅助诊断，只是智慧医疗的其中一步。为发展全方位的智慧医疗，台北荣总也成立智慧医疗委员会，来推动相关专案，聚焦于医务行政、精准医学、医学影像、医学教育、大数据，还有病房及病人照护等6大领域。

例如在医务行政上要将医疗管理AI化，医疗教育方面则要用AI产生病历。另外，今年初也成立台北荣总大数据中心，参照健保数据库的资料结构，检验数据也遵循国际标准码编制，便与健保数据库和其他医学中心的资料接轨，来进行更多研究。

郭万祐提到，今年初他到欧洲参加欧洲放射学会会议时发现，未来医院智慧化格局已是相当热门的议题。比如将病理部结合放射线部，使用同一套PACS 系统，让医生在制作MRI报告的同时，也能查阅病人的数位病理与基因检测结果；或是制作病理报告时，能清楚知道标本的出处与相关临床资讯，进而在决定治疗策略时，能完全掌控诊断的资讯，实现更高品质的精准医疗。

在台湾，郭万祐认为，跨医院部门的调整和磨合还有一段路要走，但北荣已经意识到数位病理的重要性，今年也将加码投资病理数字化的基本架构建设。