伴隨AI技術成熟、新冠肺炎加速數位轉型,林口長庚紀念醫院、雲象科技、台灣諾華三方跨界攜手,奠基於林口長庚醫院病理數位化累積的龐大資料庫,結合雲象科技AI技術,進行深度學習、訓練深度神經網路來辨識骨髓細胞的形態、特徵與空間分布情形,打造「血液病理AI輔助判讀應用」,以提供客觀且量化的數據,輔助病理醫師作出高效、精準的「骨髓增生性腫瘤」(myeloproliferative neoplasm,簡稱MPN)診斷,而台灣諾華則長期投入血液腫瘤研發治療,希冀藉此提升國內血液腫瘤篩檢量能,幫助病患獲得即時診斷及治療。

 林口長庚紀念醫院解剖病理部陳澤卿主任指出,林口長庚每月有近萬個案例、高達上萬筆的病理玻片需要判讀。

 為了能及早且精準幫助病患確診,長庚醫院已將病理玻片數位化,為全台少數完成跨院區病理科數位化的醫療院所,大幅提升判讀方便性。長庚醫院五個院區採用雲象科技數位病理系統,目前林口長庚數位化玻片已累積超過38萬片。

 雲象科技創辦人暨執行長葉肇元醫師指出,血液疾病的診斷與治療相當困難。對血液疾病來說,以形態學為基礎的病理診斷扮演關鍵角色,而形態辨識正是AI在醫療上能有最大發揮空間的面向。雲象科技自2018年起,陸續與台大醫院、林口長庚醫院、奇美醫院,分別進行骨髓抹片細胞型態辨識、淋巴瘤型態診斷及預後分析等血液疾病AI的應用,所累積的技術與應用開發經驗,挹注於開發「骨髓增生性腫瘤」AI輔助判讀與病理診斷。葉肇元表示,相信在AI輔助下,形態診斷的重要性會再次提升,和近年備受矚目的分子及基因診斷相輔相成,進一步強化血液疾病診斷以及治療的品質。

 林口長庚紀念醫院血液科郭明宗醫師表示,骨髓增生性腫瘤臨床上常見的三種類別,從診斷到治療都是挑戰。病理醫師必須在顯微鏡下仔細評估各種造血細胞的數量及形態。

 人工判讀難取得客觀量化的結果,且會存在不同診斷者間的差異。透過高品質、經過專家標註資料的訓練,AI輔助影像分析可以讓診斷流程有更客觀一致的量化標準,提升診斷的準確率。

(時報資訊)

#病理 #AI輔助 #治療 #林口長庚 #診斷 #科技

延伸閱讀