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)。