一次完成肺結節、冠狀動脈鈣化等四項篩檢！

本原文刊登於生策中心新創幫，編輯群採訪撰寫(口述：神瑞人工智慧創辦人／臺北醫學大學特聘教授陳震宇 執筆：蔣士棋)。

使用低劑量電腦斷層技術（LDCT）篩檢肺癌，已經是全球標準，但是LDCT會產生數百張影像，對放射科和臨床醫師造成判讀沉重負擔。陳震宇教授團隊所開發的DeepLung檢測技術除了可以快速完成肺結節篩檢，還能使用同一筆資料進行冠狀動脈鈣化分數、肺氣腫和骨密度的檢測，將人口老年化常見疾病風險一次高效率完成，能提升醫師診斷品質與效率，也滿足患者對精準醫療的需求。

肺癌是全球死亡率最高的癌症，因此衛福部在2022年啟動早期偵測計畫，提供「肺癌家族史」和「重度吸菸者」兩大高風險族群免費進行低劑量電腦斷層檢查（LDCT），也就是在原本的子宮頸癌、乳癌、口腔癌和大腸癌等4種篩檢項目外，又把肺癌納入成為第五項篩檢。

低劑量電腦斷層影像與全劑量相比，雖資訊量較少但個案吸收輻射劑量僅有五分之一，適合大量疾病篩檢。臺北醫學大學陳震宇教授團隊使用LDCT影像開發出DeepLung檢測技術，不只能找出肺部結節，還能進行過往只能以全劑量影像分析的心臟冠狀動脈鈣化預測，一鍵完成自動綜合報告，大幅減低醫療人員的工作量以及誤診率，也為高風險病人提供了早期診斷機會。

團隊利用LDCT影像資料，已建構出4項檢測模組

DeepLung由資深放射診斷科醫師領導開發，是以「篩檢」為目的，並將所有實際臨床流程的細節納入考量。陳震宇指出，團隊的目標是實現心肺一起篩檢，讓患者在使用一次LDCT肺癌篩檢時，就能「加值」檢測其他重要的亞健康問題，例如冠狀動脈鈣化、肺氣腫、骨質疏鬆等。

團隊以3D深度學習演算法建立多個模型，並使模型對不同影像精細度進行分析。為實現多項疾病篩檢，陳震宇表示，先由臨床醫師提供臨床作業經驗與使用者介面設計，引領醫療影像AI工程師進行模型訓練與開發；資料則來自大量真實世界的臨床影像資料。透過這些臨床資料，陳震宇表示，就能夠對AI模型進行有效的訓練，從而顯著提升其靈敏度和準確度。

目前DeepLung已經建構了LungRads（肺癌）、CAC（冠狀動脈鈣化程度）、BMD（骨密度值）和COPD（肺氣腫）四大檢測模組，其中肺結節偵測模型在結節部位直徑大於3mm之偵測性能於平均1 False positive per scan (FPS)時為86%，2 FPS時提升至93%，3 FPS時提升至96%；心臟冠狀動脈鈣化模型之高風險病人(CAC score>100)的篩檢靈敏度最高達到96%。

陳震宇教授團隊開發的DeepLung技術，已建構出4項疾病檢測模組團隊已完成開發AI平台供醫師線上使用，在病患拍攝LDCT後立即進行預測，並配合國健署肺癌篩檢計畫之客制化報告格式，醫師確認或修改資訊無誤後，最快1分鐘內可「一鍵」輸出報告。

DeepLung正進行臨床試驗，將以醫院、保險業、和健檢機構為目標市場

陳震宇估計，台灣有約50萬名高風險族群符合公費做LDCT篩檢的資格，往後每兩年需定期篩檢，還有75%的國內外亞健康族群有機會成為潛在的服務對象。因此，DeepLung產品主要定位於健檢市場，目標客群為醫院、健檢機構。對於這些提供健檢服務的醫療院所來說，DeepLung能夠大幅提升影像篩檢的效率、品質和功能性，並且擴展多項篩檢指標，不僅能增加健檢的收益，還能減輕放射醫師的報告負擔。

DeepLung肺結節篩檢產品已於2023年開發完成，正在進行查驗型臨床試驗。團隊也已經在同一年成立新創公司DeepRad.AI（神瑞人工智慧），預計2024年時產品即可在台灣上市，也會準備向美國FDA和日本PMDA申請上市許可。陳震宇也表示，團隊也已經完成腦失智早期預測篩檢產品(DeepBrain)原型的開發，並計畫進一步發展高維度互動式乳癌篩檢AI平台(DeepBreast)。