台大、北荣、北医三团队展示AI辅助诊断系统，大幅缩短心、脑、肺重大疾病诊断时间

在-推动精准医疗及精准健康政策，以及AI产业应用之下，科技部与卫福部联手推动国内医疗影像AI应用，本周台大、台北荣总（北荣）、台北医学大学（北医）三个研究团队展示成果，透过AI辅助判断医疗影像，协助医师判别心、脑、肺重大疾病，大幅缩短诊断时间。

科技部推动“医疗影像之巨量资料建立与应用研究专案计划”，2018年与台湾大学、台北荣总、台北医学大学合作，启用国内第一个跨院所的医疗影像数据库，涵盖心、脑、肺部医疗影像资料，由三个医疗团队以人工方式标注资料，并进一步和其他业者、研究单位联手，发展医疗影像AI诊断模型。

随着专案即将在今年底结束。科技部政务次长谢达斌表示，卫福部、科技部及经济部将展开合作，从2021年推动4年期的精准健康大数据永续平台，结合医疗影像、病理、基因资料形成复合式的巨量资料，可以加速临床转译开发研究，除了可为国人健康把关、更有效率的治疗，也能帮助国内生医产业发展。

谢达斌指出，医疗影像对临床诊疗有相当大的帮助，也是AI最有明显效果的领域，透过补助学研界对心、脑、肺重大疾病，在AI辅助检测判断医疗影像下，短时间内就能产出具国际标准的检测报告，让医生复核的依据，临床上从传统20、30分钟降到5分钟，研发过程标注的模型及数据库放在国网中心，在保障个人隐私下提供给其他团队使用，带动进一步的发展。相信对小医院及偏远地区的辅助判断能够带来帮助，未来影像数据加值发展精准医疗，也能建立良好示范，加上共享机制和个资保护，有助于加速我国医疗AI及产业发展，这些成果也为复合式资料运用的精准医疗发展打下里程碑。

卫福部健保署为了协助三个团队在医疗影像AI诊断模型训练上能突破训练用资料的局限性，健保署和科技部合作，开放三个团队运用健保署从前年开始搜集民众在各个医疗院所做CT、MRI、X光检查影像资料，现在约有超过17亿张的影像资料，运用这些多样性资料进一步优化AI模型辨别的准确性。

北荣展示脑转移瘤AI辅助诊断系统，开设多个AI辅助门诊

台北荣总针对脑部转移瘤展示了AI诊断系统DeepMets，该团队使用荣总历年累积的各种脑部肿瘤影像资料，共超过160万张影像，经过筛选、标注，2018年他们和台湾人工智能实验室合作展示第一个版本。虽然第一版已有不错的辨识准确性，但由于训练资料仍有局限性，因此他们除了使用自家的1,100个病例，也利用健保署数据库中的3,100多个脑转移瘤病案，利用开源的联合学习（Federated Learning）套件Harmonia进行联合学习，开发出DeepMets+，强调在不同的主要MR设备厂牌上能够找出脑转移瘤病灶，计算数量、最大径、体积等。DeepMets+在脑转移瘤判断的Precision达到97%、Recall召回率达95%、F1 Score达96%。

AI辅助诊断也对民众看病流程带来影响，在未导入AI辅助诊断之前，传统的肺癌检查流程，从患者在胸腔科看门诊，安排磁振及电脑断层检查，理论上放射科医师花费5至7天时间制作报告，病患再回诊看报告，由医师决定治疗方针。

导入AI辅助诊断后，台北荣总放射线部主任郭万祐指出，原本的流程缩短了，例如病患在早上看过胸腔科门诊，循绿色通道，中午为病人安排影像检查，当天下午第二次门诊，由AI辅助诊断系统协助医师判别脑转移瘤情形，判别肺癌发展至哪一阶段，及早决定病人的治疗方针。医学影像检查的正式报告，仍由放射科医师花费5到7天制作。

北荣已将DeepMets应用在该院的神经影像及胸腔内科AI辅助门诊，侦测脑转移瘤病灶，已应用在超过1,500个病例上，医生阅片时间从人工至少10分钟降为30秒，诊疗流程从2周缩短为半天。

目前北荣已开发出约10支AI模型，郭万祐表示，DeepMets未来不只放射科，模型也放至胸腔科，可以想像诊间内有各种模型，辅助医师诊断肺结节、结核、脑转移瘤、肺癌。

北荣在去年2月已在三个门诊使用AI辅助诊断，包括AI辅助心房颤动电烧门诊、AI辅助脑影像门诊、AI辅助脊椎骨折门诊，今年新增青光眼门诊。

北医靠AI缩短医师检视、诊断肺癌时间

根据卫福部统计，肺癌爳国内癌症死亡率第一，病患五年的存活率只有15%，且高达7成的串者诊断时已是末期，为了及早诊断肺癌，北医在科技部补助下，开发肺部人工智能诊断辅助系统Deep-Lung，这套系统分为两部分，分别检测CT电脑断层影像、数位病理影像。

北医展示的肺部AI诊断系统Deep-Lung，包括左边屏幕的CT影像，靠AI找出肺结节，右边则是数位病理全玻片影像，找出切片中的癌细胞，并对其分群：

在肺部CT影像方面，北医运用影像标注、语意标注，共计6千例，肺结节标注系统，北医运用3D-RPN侦测肺结节位置，可侦测多颗肺结节，北医副校长陈震宇表示，精准度Sensitivity已达到近86.9%。进一步透过特征提取、深度学习模型，对良恶性分类的准确率可达到98%。综合侦测、分类、自动报告发展出肺结节CT诊断辅助系统Deep-lung:LungRads，利用AI辅助侦测、分类，以及按照肺结节处置自动分级，建议医生处置方式。

至于数位病理影像方面，北医以3千片肺部病理影像，和云象科技合作开发数位病理全玻片检测系统Deep-Lung：Patho CAM。由于全玻片病理影像档案高达1GB，他们和国网中心合作，运用台湾杉二号的运算能量，利用CNN架构结合专利技术对癌细胞分群，同时以视觉化方式标示出全玻片影像中病灶位置。

陈震宇强调Patho CAM已能在全玻片影像中，只要10秒钟找出癌细胞的位置，准确率可达90%，犹如在Google Earth中找到某一栋建筑物，由于80%的肺腺癌混有两种以上的亚型癌细胞，不同亚型对治疗方式的效果也有差异，这套系统还能进一步分辨癌细胞的亚型分布及定量，协助医师拟定适合的治疗方针。

根据北医的测试，在肺部CT影像方面，放射科医师检视CT影像所需时间约需20分钟，AI自动产出诊断报告只要10秒，而医师复核时间只要5分钟，大大节省时间。而病理科医师检查全玻片影像，一般需要45到60分钟，透过Patho CAM协助，AI侦测约10秒完成，医师复核只要20分钟。

“Deep-Lung可以降低医生侦测、诊断的时间，对经验不足的中小型医院来说，也能带来相当大帮助”，陈震宇说。

台大开发心脏主动脉钙化、脂肪的AI分析模型

专注在心脏血管重大疾病的台大团队，结合台湾大学及台大医院团队，并和8个医学中心联手，运用8个医学中心的去识别化CT电脑断层影像，在心脏及放射科医师标注心包膜、升降主动脉轮廓，经他们自行开发的Heaortnet神经网络，跨多个医学中心CT设备进行联合学习，开发心脏主动脉钙化、脂肪的AI分析模型。

现场展示的心脏主动脉钙化、脂肪的AI分析模型：

台大医院内科教授王宗道强调，心脏分割准确率达到94.2%，单一病例分析只需0.4秒，目前已应用在台大医院影像医学部的辅助报告上。

该研究也运用健保署影像数据库平台，近3,000笔共10万片CT影像在20分钟内完成分析，以预测民众的健康风险。台大也和商之器合作开发桌上及行动App，预计在部立医院使用。