原刊登於新創幫

臺北醫學大學人工智慧醫療研究中心由陳震宇副校長帶領,開發出人工智慧多模影像精準健康平台-「Deep-Lung」,只要進行一次胸腔低劑量CT取像,就可透過自創的AI模型同時預測骨鬆、肺癌、慢性阻塞性肺病和心臟冠狀動脈鈣化的風險,準確率超過9成,並可自動產出符合國際標準的建議報告,為全球首創。負責平台整合的醫師陳彥廷表示,在醫院端驗證時,這個平台已經多次揪出臨床醫師未能標註到或是漏掉的肺部結節…

臺北醫學大學的人工智慧醫療團隊即將再衍生一家新創公司DeepRad.AI,將已開發的全球第一個可從單一組低劑量肺部斷層掃描即可同時對心、肺、骨中的四種疾病做早期篩檢的軟體平台–「Deep-Lung」人工智慧多模影像精準健康平台積極推廣應用!Deep-Lung目前共推出四大模組:

肺結節模組(LungRads)

即肺結節自動偵測判讀系統,包含結節偵測模型、結節分割模型、結節良惡性分類以及LungRads自動報告模型等部分,可分別提供多結節的位置偵測(敏感度94%)、準確測量結節大小(準確度Dice係數為81.39%)、進行肺結節良惡性分類(準確率約98%),最後模組會綜合以上結果自動產生包含肺結節質地、形狀、大小、位置以及符合國際肺結節分類與處置標準的LungRads完整文字報告,此為國內首創。這個模組的訓練資料是從科技部巨量影像計畫所得將近6,000例蒐集自北醫附醫、雙和醫院及萬芳醫院的肺結節影像資料庫,且透過專科醫師針對每個肺結節嚴謹標註,標註內容包括107項影像圖譜學特徵、47種語意標註與對應的病理報告。

※圖為「Deep-Lung」AI平台介面。(照片來源:臺北醫學大學提供)

心臟冠狀動脈鈣化模組(CAC)

可做到自胸腔低劑量CT直接預測出幾乎等同自標準心臟冠狀動脈高劑量電腦斷層影像所得的心臟冠狀動脈鈣化指數(Coronary Artery Calcifications score, CAC score),並依美國心臟學會標準給予心血管風險預測分級和健康建議。透過北醫附醫202筆病例和雙和醫院549筆病例的臨床驗證得知,本模組對於高心冠風險病人(鈣化指數大於400)篩檢的敏感度分別達到92%和92.7%。此外,本模組優勢為:與世界文獻所述相比,具有更佳的AI模型訓練資料集,亦即每個低劑量胸腔CT影像都有同一天所做高劑量心臟冠狀動脈CT影像所得的鈣化指數(取自北醫附醫的1621個病例)作為相關性評估的標準,因此具有更高的準確性與可信度。

肺氣腫模組(COPD)

可透過胸腔低劑量CT影像,做到精準分割肺葉並自動計算肺氣腫嚴重度指數(RA950: percentage of the relative area of the lungs with attenuation values < -950 Hounsfield units),進而預測罹患慢性阻塞性肺病(COPD)的可能性和輕重程度。經臨床驗證,目前肺葉分割準確度Dice係數可達95.6%,從胸腔CT自動算出的RA950指數與病患肺功能有顯著相關(迴歸係數達-0.72, p < .00001),且用於COPD患者篩檢的敏感度達90.2% (ROC-AUC = 0.813)。

骨鬆預測模組(BMD)

根據多項研究顯示,胸椎骨密度可用於精準預測骨質疏鬆程度,此模組為少數由此切入、做到可直接自胸椎CT影像預測骨質密度的創新成果,提供骨密度分級預測,包括骨質正常、缺乏或是疏鬆。這項模型訓練資料的標準(ground truth)為受試者於進行低劑量胸腔CT同一天的腰椎與髖骨標準DXA骨質密度,因此預測可信度極高,於北醫附醫和外院測試後目前準確度可分別達到88%和94%、敏感度89%和94%。

負責Deep-Lung開發整合的北醫人工智慧醫療研究中心主任陳彥廷表示,團隊會持續蒐集大量的臨床案例數據進行模型訓練,讓平台提供的偵測判讀結果可以更精準、更接近臨床。他也提到以前做研究都是為了要發表論文,現在是要讓研究可以落地應用,而這個平台能夠做到自動產出符合國際標準的報告,節省臨床醫師的時間,是他認為最讓人感動的部分;此外,平台在臨床驗證時,偶會發現醫師未標註到或是漏掉的肺部結節,這就是平台很大的貢獻和意義之一。

Deep-Lung的商業應用將包括國內外銷售及授權、個人保健雲端平台、被保人風險預測、新型保單開發以及新藥試驗等;目前團隊將主要目標客群鎖定為醫院影像醫學科、健檢中心及健康諮詢中心,次要和潛在客群包括50歲以上中高齡族群、保險業及藥廠。團隊預計於今年完成查驗登記型臨床試驗,並陸續申請台灣和美國認證許可,陳彥廷表示將會先依據個別適應症分別申請核可,之後可能再針對四合一的應用另作申請,未來也將布局歐盟、澳洲、日本、韓國和東南亞等地區市場,讓中老年人在較少的CT輻射量曝露下可同時得到肺、心、骨的篩檢建議和健康評估,以有效降低罹病風險。

※圖為DeepRad.AI團隊營運長陳彥廷醫師。(照片來源:臺北醫學大學提供)