雲象科技與林口長庚醫院病理部合作「胃癌淋巴結轉移AI偵測」數位病理診斷,臨床實驗證明,該演算法辨識率高達 AUC 0.99,醫師對胃癌微小轉移病灶診斷時間縮短超過 30%,今(27日)發布研究成果登上國際科學期刊《Nature Communications》。
傳統人工作業,病理科醫師對於小於 2mm 的胃癌微小轉移 (micro-metastasis) 病灶的診斷敏感度是 82%,小於 0.2mm 的單獨性腫瘤細胞 (isolated tumor cells) 病灶的診斷敏感度則是 68%。AI 輔助下,醫師對於微小轉移以及單獨性腫瘤細胞的診斷敏感度,則雙雙提升至 96%。同時,對於微小轉移的診斷時間減少 30%,單獨性腫瘤細胞的診斷時間則縮短了 26%,該演算法辨識率高達 AUC 0.99(完美演算法的 AUC 為 1)。
偕同林口長庚以 50 億畫素影像
開發AI 輔助診斷 + AI 數位病理工作流程
此項研究,雲象科技與林口長庚醫院病理部陳澤卿主任以及黃士強醫師合作,採用近 6,000 個高達 50 億畫素的淋巴結標註影像,訓練 AI 模型,開發「胃癌淋巴結轉移AI偵測」以及 AI 輔助的數位病理工作流程,協助病理科醫師進行胃癌淋巴結轉移的診斷工作。
林口長庚醫院每年處理病理標本約 12 萬件,達全國之冠,多年來持續推動病理玻片全面數位化,以輔助病理醫師判讀、提升效率。雲象科技執行長葉肇元醫師表示,「胃癌淋巴結轉移AI偵測」配合AI輔助數位病理工作流程,結合林口長庚醫院的臨床實驗,證實導入「數位病理平台」、輔以病理 AI 應用,是邁向數位轉型之路。
獨創「免細節標註全玻片運算」再升級
此次發表成功,也將雲象這項獨創技術「免細節標註全玻片運算」True GigaPixel AI 能力再次提升。雲象近年致力突破業界一般對影像進行細節標註,並且分割影像區塊的作法, True GigaPixel AI獨創了直接使用未經分割,且未經細節標註的高解析度淋巴結影像,來訓練AI模型。
True GigaPixel AI運用全玻片影像,無切割、免細節標註,直接訓練深度學習模型,突破了深度神經網路硬體加速器上記憶體大小的限制,取得了近 100 倍的加速幅度,使繁重的計算工作流程能更有效率地進行,亦可節省病理科醫師數百小時的標註時間,大幅加速病理AI的開發流程。這些優勢都展現在本項研究得以在一年完成。
如今 True GigaPixel AI 可望加速病理 AI 落地,讓率先導入病理 AI 的醫療院所可穩居優勢,有意加入者後來居上。
True GigaPixel AI繼 2021 年與北醫附醫合作,運用在肺癌數位病理影像,今年再接再厲,應用於胃癌的淋巴結轉移診斷,再次獲《Nature Communications》(Impact Factor 2021: 17.69)青睞刊載。自 2019 年以來,雲象發表的國際期刊論文已累計近 20 篇。
《Nature Communications》雲象「胃癌淋巴結轉移AI偵測」縮短病理閱片逾30%時間
撰文記者 王柏豪
日期2022-07-27
![](/upload/article/2022/07/magazine_20200701034523_0.jpg)
雲象與林口長庚醫院病理部合作「胃癌淋巴結轉移AI偵測」數位病理診斷,研究成果登國際科學期刊《Nature Communications》。