原廣告於iThome

因應台灣口快速增加，採取低劑量斷層掃描篩檢，將助達到預防疾病的效果。北醫開發的深肺篩檢輔助系統，提供肺、心及骨等疾病篩檢服務，大幅降低貨運工作負擔，未來取得台灣食品藥物管理局、美國食品藥物管理局認證後，可望在醫院落地應用。

根據國家發展委員會研究報告指出，目前台灣已正式進入高年齡社會，2025年將成為超高年齡社會。應對老年人口快速增加與疾病預防，政府將逐步有條件開放援助低劑量斷層掃描篩檢，未來醫院勢必需要投入更多人力於健康檢查中心及其他單位，屆時預約放射師及診斷科醫師造成極大的工作負擔。為此，台北醫學大學巨量中心團隊開發人力低劑量斷層掃描篩選輔助系統深肺，主要是鎖定胸腔CT影像，其中包含肺、心及骨的疾病篩檢服務。
台北醫學大學醫療與生物科技法律研究所教授李崇僖說，肺結節CT影像診斷輔助系統開發流程中，是利用台北醫學大學體經醫師完整的6,000例肺部CT影像，並利用健保署的異質性資料進行模型優化，結合深度學習與放射圖譜演算。目前能於20內篩選出肺結節病灶位置，以及輔助肺結節良、寬度判斷、自動地形國際標準臨床消除報告，準確率95%以上，醫師只需再花5分鐘複核即可完成。雙和醫院影像醫學部主治醫師陳彥廷說，在腦中小血管病變檢測部分，是利用2000筆腦部CT影像進行AI算法開發，可自動分割腦白質區域及小血管病變病變灶，準確率分別為90%及98%。後續將精進計算方法，透過計算病灶體積或增加其他指標，讓腦血管小病變的定量及定性分析能力更加準確。至於心臟影像提示化病灶與冠狀動脈監測部分，北醫團隊亦已建立一套自動檢測冠狀動脈及血管檢測冠狀動脈鈣化之輔助診斷系統，演算正確率分別為91.3%及87.2%。

建立醫療影像標註標準流程提升AI模組精準率

根據衛生福利部所公佈的65歲以上十大死因，肺癌高居最多，五年發病率僅26%，每年約新增1名患者，且70%患者診斷時已是末期。若能穿透早期肺癌的檢測，可降低20%的實驗。至於慢性阻塞性肺病及跌倒事故，亦是老年死亡原因。正因如此，北醫紛紛投入醫療影像AI模型開發多年，可惜最終決定用於預算陳彥廷主治醫師指出，當研究不足時，首先困難要招募足夠到專科醫師，對大量醫療影像進行標記，會影響到後續AI模組訓練的其次，缺少高效能訓練主機輔助下，只能將手邊的個人電腦進行AI模組訓練，時間變得非常長且沒有效率。在獲得科技部輔助之後，除可尋找更多專業醫師幫助標註外，也可以高效的AI電腦進行訓練，對整個AI模組時間帶來極大的幫助。另外，為確保醫療影像的標註方式，北醫研究團隊在標註前先進行標註方式溝通，也建立一套完整的複審，由不同成員進行醫療標籤團隊的二審工作。如果發現標籤不符合規範機制的情況時，團隊會針對該標籤的所有醫療標籤，進行複審工作，讓AI模組訓練極為精準。

建立自動去辨識機制 彩虹保護病患隱私

北醫研究團隊投入智慧醫療領域多年，深知保護病患隱私的重要性，所有參與此專案的醫療影像數據，都會獲知病患其醫療影像數據的應用做法，並提供病患退出研究的選擇權；北醫附醫、雙和醫院和萬芳醫院等三大院區所收集的資料，均完成資材去識別後才進行使用，符合個資法的要求。萬芳醫院配合該機制，完成去識別、影像格式轉換工作後，再上傳到國網中心的醫療影像資料庫。至於雙和醫院部分，將醫療影像上傳到北醫的巨量影像中心，由該中心統一完成去識別與格式轉換工作後，上傳到國網中心的醫療影像平台。「科技部除了補助北醫團隊研究之外，也透過推動辦公室工具技術與法律相關背景的專業團隊，幫助我們共同克服個資法的法治問題。」李崇僖教授解釋道：“如此一來，北醫團隊能夠在無後顧之憂下，全力投入AI模組的開發工作，對研究工作的進行帶來很大幫助”。

首批醫療影像共享機制 期待建立回饋機制

以往北醫附醫推動人工智慧研發時，醫療影像、電子病歷等資料，都在醫院內部，配合科技部推進醫療影像資料學術研究共享的政策，首次與其他單位以國網中心為平台，共享寶貴的醫療影像。北醫團隊深知完成標註的高品質醫療影像，為發展智慧醫療帶來極大幫助，因此對於醫療影像共享保持樂觀機制。態度陳彥廷主治醫師說，除對外共享境外醫療影像外，也期待其他研究團隊使用醫療影像時，將面臨的各種問題和意見回饋給我們，以作為後續資料庫建設的參考。李崇僖教授指出，北醫團隊針對肺部、腦部、心臟等領域開發的AI模組，都表現出不錯的探測率。目前研究團隊下一步，正在爭取通過FDA、TFDA認證，進一步讓研究成果在醫院落地，進一步嘉惠更多病人。值得一提的是，北醫附醫投入精準醫療多時，期盼為腸道病患提供最適當的醫療服務。北醫團隊規劃未來將評估將醫療影像與電子病歷串連的可能性，以發展最適合台灣的精準醫療服務。