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。