今(16)日，林口長庚紀念醫院、雲象科技、諾華(Novartis)於線上記者會中宣布跨界合作，結合林口長庚的數位病理玻片資料庫、雲象科技AI輔助系統及諾華血液腫瘤精準醫療，鎖定最難診斷的血液疾病——骨髓增生性腫瘤，打造全臺首項「血液病理AI輔助判讀」，使骨髓切片複雜且困難的診斷程序更有效率，進而造福患者預後。
 
林口長庚紀念醫院邱政洵副院長於致詞中表示，21世紀是AI的時代，在醫學上的應用更是備受期待。若能結合林口長庚在數位病理資料庫上的優勢，再加上AI輔助判別不易診斷的骨髓玻片，將能加速精準診斷、改善病人的治療。
 
林口長庚紀念醫院解剖病理部陳澤卿科主任也表示，兩年前林口長庚領全臺醫院之先、將傳統玻片全面數位化，不僅解決玻片保存、運送不易等問題，也提升調閱方便性，藉此增加跨科別、遠距診斷的便利性，目前數位玻片庫已經累積多達38萬片，也成為AI研究開發的絕佳基礎。
 
台灣諾華腫瘤事業體陳喬松總經理則表示，台灣諾華投入血液腫瘤治療已經20幾年，但越是了解「以病人為中心」的治療，就越體認藥物以外還有其他未滿足的醫療需求。他期待，此次合作能夠改善臺灣血液腫瘤患者的存活，更進一步成為臺灣醫療環境效率的解決方案。
 
會中，也邀請到林口長庚紀念醫院血液科郭明宗醫師、解剖病理部莊文郁副主任、雲象科技執行長葉肇元，說明骨髓增生性腫瘤(MPN)判讀的困難，以及AI用於血液病理的優勢。
 
郭明宗指出，MPN的診斷困難之處在於，其常見症狀和日常生活中經常發生的症狀(例如疲勞衰弱、腹部不適、頭暈頭痛……)高度重疊，很難單以臨床症狀判斷；再加上血液增生性疾病不像其他實體腫瘤疾病、有明顯可觸及的腫塊，因此必須透過臨床症狀、血液檢測和骨髓切片綜合判斷。
 
莊文郁也說明，MPN的病例數少，但骨髓切片判讀步驟卻相當複雜且困難，不僅臨床症狀、病理分子特徵具高度重疊性，還會因為多種基因突變導致細胞特徵、數量與分辨產生改變而有所差異，因此高度仰賴有經驗的醫師。
 
不過，莊文郁表示，林口長庚擁有龐大的數位化玻片資料庫，適合導入AI深度學習訓練、建立血液細胞判讀模型，進而輔助醫師進行快速且精準的判讀、彌補經驗多寡的差異，不僅減輕大量病理玻片的判讀負荷量，也能幫助病患及早發現、及早治療，最終帶來更好的預後表現。
 
葉肇元表示，雲象科技自2015年10月成立以來，已經成為臺灣數位病理玻片市占率最高的廠商。雲象從2018年起和臺大醫院合作、開發全球首個骨髓抹片AI自動分類計數，2020年與長庚醫院、奇美醫院開發淋巴瘤診斷及疾病預後預測，此次與長庚、諾華合作的骨髓增生性腫瘤輔助診斷，將是其在血液疾病AI輔助診斷的新里程碑。

(報導 / 吳培安)