林口长庚骨科AI判读X片数十种脊椎角度只要1秒，下一步要打造能判读各医院脊椎手术X片的辨识AI

林口长庚医学中心骨脊椎科主治医生蔡宗廷日前分享自家脊椎量化AI，1秒就可准确地从患者全脊椎X光片中标出特征点，计算出各种脊椎角度，有别于传统医师所需的半小时，可快速提供治疗决策参考。在这个基础上，林口长庚骨科团队还瞄准健保核删人为标准不一的痛点，正在发展一套健保审查辅助AI，来解决人力和标准问题。

三年前一场会议开始接触AI，从简单的脊椎量测SVA试水温

蔡宗廷指出，过去，他对AI并不了解，但2017年时他担任脊椎外科医学会秘书长，在筹画亚太国际脊椎年会APSS期间，才开始认识AI，认为AI可帮助医生、减少重复性高的繁琐工作。当时，他找来台湾数位病理AI新创云象科技，用脊椎外科医生临床常用的脊椎X光片，来发展骨科AI，想要打造一款能自动计算偏离距离的AI。

长庚骨科先从最简单的SVA量测方法开始尝试，SVA是最基本的脊椎重心偏离量测方式，可以用来评估脊椎矫正前后的变化，做为治疗参考。它计算的是第七颈椎中点铅直线，至荐椎后上缘的距离。根据Conus of Economy理论，人站立时，身体重心落在双脚内，是最省力的状态。但驼背或弯曲等姿势，会远离省力的椎体范围，身体得耗费更多力气来维持平衡，所以容易感到疼痛。为改善疼痛，医生得先拍摄患者的全脊椎侧视站姿X光片，范围涵盖颈椎至骨盆，再来计算重心偏离程度，如SVA、PT、SS等，来评估严重程度和治疗决策。

林口长庚以2012年至2018年共990张全脊椎侧视X光片，选择了CNN旗下一种分支算法ResUNet来训练模型。

团队将两点差异的绝对值SVA error作为准确度评估标准，并在X光片上对比模型预测的特征点与真人医生标注的特征点（如下图）。他们发现，模型预测值与人类医生的判断十分相近，且模型推论时间只需0.2秒。这个成果也发表成论文，刊登于Journal of Clinical Medicine上。

挑战更复杂的全脊椎角度测量，建立最大全脊椎X光资料集

有了成功的第一步，接下来，团队开始挑战全脊椎角度测量。蔡宗廷指出，全脊椎测量范围涵盖头椎、胸椎、腰椎和骨盆，“有许多复杂的角度，”临床医生为计算这些角度，每张X光片得花上至少半个小时。团队想要打造一套可以自动计算这些角度的AI系统。

长庚骨科收集了2018年至2020年共2,900张全脊椎侧视站姿X光片，剔除品质不佳和格式不符的影像后，来标注剩下的2,210张影像，并分为400张测试影像、1,810张训练影像。

特别的是，“这些影像不只有正常脊椎，还包括各种疾病，如脊椎侧弯、脊柱后凸、骨折，或是打钢钉的患者影像，”蔡文宗说。

接着，以这些影像来训练二阶段CPN模型，这套模型计算角度的方法，是先从粗略的热像特征点定位，再到较细致的热像定位，接着是将模型中的DSNT层座标化，最后从这些座标计算各种脊椎角度（如下图）。

而且，测试结果也显示，模型误差值表现优秀，比如颈椎、腰椎误差中位数介于1.8mm至2mm间，其余如胸椎、股骨则是3mm左右。此外，模型在数十种角度测量和脊椎对齐（Alignment）计算中，与真人医生表现相近，其皮尔森相关系数p值皆小于0.001，且“电脑计算只需1秒钟。”

现场，蔡文宗也秀出一张AI模型计算的全脊椎X片量测图，显示电脑标注的特征点（红色）与人类医生标注的特征点（黄色）几乎相同，此外还能自动计算曲线和微分转折点。特别的是，模型也能准确预测开过刀、脊柱有问题的病人脊椎特征点。

他回顾，能打造如此高准确度的脊椎量测AI模型，要归功于自家的高品质资料集。林口长庚骨科团队在这几年间，靠着老师招募30多位医学院位学生，成立骨科标注大队，与工程师来回讨论才完成了2,000多张全脊椎X光片、共10万标注点的建置工作，而且也是目前脊椎文献中，“最大的资料集。”他认为，这个资料集还可进行更多衍生研究，林口长庚也正与云象着手研发脊椎X光自动诊断技术，来自动辨识骨折、脊椎侧弯、脊柱后凸和打钢钉等患者。

延伸发展手术计划AI，还要建立健保辅助审查AI来解决标准不一的痛点

同时间，蔡文宗团队也利用自家资料集，结合日本滨松医院的脊椎矫正角度公式，开发一套手术角度自动计算AI。他解释，自己多年前至日本滨松医院进修时，接触到一套他们非常自豪的滨松公式，能准确计算出脊椎矫正手术所需的目标角度。但是，“这套公式非常复杂，人脑难以计算，”所以他联想，利用自家快速的AI脊椎特征量化分析，来自动算出手术计划截骨的部位和角度（如下图）。

站在这些基础上，林口长庚现在要建立一套可以用来判读各医院脊椎手术X片的辨识AI， 希望提供给健保署，做为这类手术健保审查的参考。蔡文宗自己是健保审查委员，每个月都得不定时到健保署，与多位医生来审查大量同侪医院的手术，是否可使用健保钢钉和椎体护架（Cage），来决定是否符合健保给付的标准。

“但这有个大问题，就是每位审查医生标准不一，”而且也投入大量医生人力资源，为人诟病。他希望，能透过AI系统审查，来解决审查标准不一的问题，也加快审查速度、减少人力。文◎王若朴