世界首创骨髓抹片AI后又一击，云象联手林口长庚再挑战血液科病理难题！

台湾数位病理公司云象与林口长庚纪念医院今（16日）宣布共同联手，要打造一套骨髓增生性肿瘤判读AI，解决血液科长久难治的诊断难题。他们正一方面收集资料，一方面标注资料，同时，双方也联手国际知名药厂诺华，要提供相关治疗方法。这是云象继前三年联手台大医院、打造世界第一套骨髓抹片数据库和自动分类计数AI后，再一次挑战另一道血液病理科难题。

什么是骨髓增生性肿瘤？为何连病理科医师都公难判断？

林口长庚纪念医院血液科郭明宗医师指出，骨髓增生性肿瘤是一种血癌，原因是骨髓产生过多血球，导致血球数异常。根据WHO说明，骨髓增生性肿瘤可分为4类，包括真性红血球增生症、原发性血小板增生症、骨髓纤维化和显著骨髓纤维化。

不管是哪种类型的骨髓增生性肿瘤，患者所表现的症状，都类似于日常生活发生的症状，难以立即区分。郭明宗指出，这就是“特异性低”，比如，原发性骨髓纤维化的症状有体重下降、注意力不集中、疲劳、易有饱足感等，而原发性血小板增生症则有疲劳、夜间盗汗、手脚麻痛等症状，至于真性红血球增生症，则表现出头晕、视力受影响、呼吸困难、牙龈出血等症状。

为了精准诊断疾病，世界公认的作法是透过骨髓病理切片来判断，WHO也将此列为诊断必要条件。如此，医师才能针对不同类型的骨髓增生性肿瘤，提供最适合的治疗，如放血、口服标靶药物、抗血栓药物等。

但是，这类切片判读存在极大难度。林口长庚医院解剖病理部副主任庄文郁解释，病理科医师必须在显微镜下，仔细评估各种造血细胞的数量、型态，甚至是空间分布状况和临床资讯，才能得到精准的诊断。

也因此，“骨髓增生性肿瘤被视为困难诊断的血液疾病，”庄文郁说。而且，人工判读很难取得客观量化的结果，这对经验较少的医师来说，就更难判断。

林口长庚联手云象，要打造血液病理AI加速骨髓增生性肿瘤判读

不过，这情况可借助数位病理AI来辅助。

庄文郁表示，透过林口长庚多年累积的病理切片资料和医师标注，可训练出一套血液病理AI模型，来辨识造血细胞的型态、特征，以及空间中的细胞数量和分布状况，辅助医师判读。

如此，医师就能得到更客观一致的量化标准，提升诊断准确率、弥补经验落差。此外，病理AI也能减轻医师判读大量玻片的负荷，更能加速临床流程，协助医病及早发现、及早治疗。

为打造这套AI，林口长庚联手在病理AI耕耘多年的云象。云象首席执行官叶肇元指出，双方目前收集了96例骨髓增生性肿瘤切片案例，也正一边标注这些案例，一边收集更多案例。接下来，他们将用这些资料，来训练AI判断细胞占比、分布和形态等特征。

这也是云象继2018年打造出世界最大、涵盖60万颗的骨髓抹片数据库和自动计数AI后，再度挑战的另一道血液科病理难题。在国内，云象也有不少病理AI成果，像是与北医研发全玻片判读技术、实现骨髓膜片AI全自动化，或是与林口长庚开发脊椎特征量化分析AI、淋巴结数量判断等。

全院病理数字化政策，奠下林口长庚病理AI基础

“林口长庚是全台最忙的医院，每天都有近万笔病理切片要诊断！”林口长庚纪念医院解剖病理部主任陈泽卿说。为加速病理科医师作业，也为了让医病及早发现问题、及早治疗，早在2018年，林口长庚就制定了一项适用于全体系医院的关键政策：要将全院病理切片玻片数字化。

这项政策启动至今，林口长庚已完成院内38万片玻片的扫描。“这些玻片堆起来比台北101还要高25楼！”陈泽卿点出，玻片数字化不只能省下病理科医师传统判读的时间，还有助于长庚跨科数位远距诊断的方便性。去年，林口长庚也打造了淋巴瘤诊断及疾病预后预测，今年则要发展骨髓增生性肿瘤判读AI，来解决血液科病理难题。