今(26)日，臺北醫學大學宣布，其與雲象科技公司合作，開發出領先全球的肺部腫瘤不須人工標註的全玻片病理影像辨識系統，可輕易區分肺腫瘤病理切片是良性或惡性，且準確率高達95%以上，病理診斷判讀時間大幅縮短三分之二。該成果登上知名醫學期刊《Nature Communications》。
 
臺北醫學大學校長林建煌自三年前推動數位病理，也獲科技部補助進行「巨量影像資料庫建置與應用」計畫，透過該計畫與雲象科技以國研院國網中心於前瞻基礎建設計畫所建置的臺灣杉二號超級電腦，開發的人工智慧（AI）系統，是啟動臺灣十大癌別病理玻片數位化中的第一個重要成果。
 
第一作者、臺北醫學大學醫學院副院長陳志榮表示，這些病理玻片是經X光、核磁共振或電腦斷層等檢查後，經醫師穿刺或開刀取出的肺部腫瘤組織所製成，統計逾九千張，全部掃描成數位影像檔，由多位病理專科醫師一張張標註出病灶及非病灶區域，再交由AI的不斷學習修正後，這套系統的診斷準確率高達95%左右。
 
陳志榮表示，傳統的肺部腫瘤確切診斷模式是將醫師經由穿刺或開刀取下的疑似腫瘤組織，送到病理檢驗部門，製成病理玻片後，病理科醫師再透過顯微鏡一張張判讀，既費時又費力，還可能會因醫師的經驗值不同而有不同結果，且醫師判讀時必須先標註出可疑區塊再不斷標註診斷直至確認。
 
但北醫大與雲象科技研發的這套AI辨識系統，可以直接透過全玻片，且不需人工標註，就能自動判讀肺癌與腫瘤細胞亞型。
 
陳志榮指出，國外研發的類似辨識系統，將整張病理切片影像圖檔切割成上萬張圖檔，並且必須由病理醫師先行標註，再提供AI學習，但這樣的方法受限於專業病理醫師人力資源，也容易因為圖檔的重疊而失去準度，影響最終的判讀結果。
 
而北醫大與雲象科技組成的研究團隊開發這套領先全球的「肺部腫瘤全玻片病理影像辨識系統」，是透過病理切片數位影像，讓AI比照病理科醫師直接在顯微鏡底下觀看病理切片的模式自我學習，可改善影像重疊導致的失真，判讀精準度更高。
 
陳志榮強調，系統會先從肺部腫瘤病理切片數位影像中，區分正常與不正常區域，再從不正常區域中分辨腫瘤組織為良性還是惡性；若為惡性腫瘤，可再進一步區分肺腺癌或肺鱗狀上皮細胞癌，最後，再由病理科醫師彙整AI提供資訊進行最後確認診斷。
 
陳志榮表示，透過AI先辨識判讀患者的病理切片，有如先為醫師進行重點摘要整理，因為AI已先找出病灶並區分腫瘤的屬性，病理科醫師只要針對有問題的區域進一步判讀，就能確認診斷，不僅減少人為判斷錯誤的機率，更能大幅縮短時間。若以每位病患8~15張病理切片計算，傳統僅由病理科醫師執行的判讀時間約10~15分鐘，利用這套系統只需三分之一、約3~5分鐘即可完成。
 
研究論文：https://www.nature.com/articles/s41467-021-21467-y

(報導/李林璦)