數位病理AI是未來實現精準醫療不可缺少的一環。致力推動AI數位病理診斷、成立五週年的雲象科技，今 (7日)舉辦「醫療影像及數位病理人工智慧應用研討會」，台大醫院、台北榮總、林口長庚以及亞東醫院等，分別發表將AI應用於數位病理診斷臨床應用的進展，包括：骨髓抹片、胃癌移轉偵測、肺癌亞型分析、胸腔X光輔助、脊椎特徵分析、以及吞嚥攝影分析等，台灣領先世界、成熟的AI數位病理診斷，持續挑戰不同種類及更高難度，正待落地。

骨髓抹片AI自動分類計數

臺大醫院檢驗醫學部周文堅主任表示，自2018中，臺大醫院與雲象科技公司合作啟動產學合作計畫，目的要發展一套人工智慧系統，用來判讀人類骨髓抹片中的血球細胞。
儘管現代醫學技術已經非常發達，骨髓血球細胞的分類仍是血液疾病診斷的最根本、最重要的步驟。然而，骨髓細胞型態之判別有幾個重要的問題 如:耗時、費人力、主觀意識強烈、學習不易。
雲象科技有堅強的科技實力，而臺大醫院有累積超過20年的骨髓抹片，且有訓練有素的血液專科醫師與醫學檢驗師。兩相結合在這段期間，已經訓練機器閱讀了50萬顆細胞，目前成為全球最大的細胞數量，且經小規模測試，訓練出來的機器，有九成以上的正確辨識率。

AI應用於卵巢癌病理分型

臺北醫學大學 陳志榮教授指出，依 2017 年國健署統計，卵巢癌居女性惡性腫瘤第七位，且發生率逐年增加。病理上，卵巢癌多數為上皮性癌，以漿液性癌、子宮內膜樣癌、亮細胞癌、黏液性癌等四種最常見。亮細胞癌和黏液性癌因為病理組織型態特殊，病理診斷較容易。
相對地，漿液性癌與子宮內膜樣癌在病理形態上，腫瘤組織結構類似，可能出現實質、乳突樣、腺體樣、子宮內膜樣，細胞形態也可能類似。在免疫組織化學染色的蛋白質標記表現，如：p53、ER、WT1等，兩者樣癌也略有不同，但卻非具獨特與決定性。
因此，病理醫師在診斷卵巢的漿液性癌與子宮內膜樣癌此兩類癌病時，需格外小心。有鑑於此，漿液性癌與子宮內膜樣癌的病人，在分子致癌機轉、臨床表現、治療策略及預後都不同，此研究主要訓練 AI 協助偵測卵巢的腫瘤區域，並特別著重於鑑別卵巢的漿液性癌與類子宮內膜癌。
結果顯示，AI 有效鑑別敏感度達 0.93 以上，特異性達 0.96 以上。未來，將朝訓練 AI 更精細地鑑別次分型及特殊基因表現。

AI應用於胃癌淋巴...