2025年9月17日，由經濟部產業技術司指導、資策會科技法律研究所舉辦的「2025關鍵疾病防治技術與法制政策趨勢研討會」，在第三場「人工智慧（AI）輔助癌症篩檢」議題中，邀請倍利醫電副總經理暨技術長沈子貴、中國醫藥大學醫學工程學院劉彥良副教授，分享肺癌影像AI輔判系統與細胞學診斷工具的開發經驗，並點出數位病理診斷領域競爭激烈，細胞學AI仍是一片「新藍海」，是臺灣團隊創造切入契機。


圖為：倍智醫電副總經理暨技術長沈子貴。(圖片來源:主辦單位提供)

倍智醫電：肺癌影像AI輔判系統臺美雙取證！接續打造細胞學工具、院內醫療AI運行平台

 
倍智醫電副總經理暨技術長沈子貴，分享倍智醫電在肺癌AI輔助分析臨床實務應用成果，包含已經取得美國食品藥物管理局（FDA）、臺灣衛福部食藥署（TFDA）認證的肺部影像輔助判讀系統，肺癌切片細胞學輔助診斷模組，以及提供AI運行環境的AI Conductor醫療AI模型管理與運行平台。
 
倍智醫電是由前台積電資深副總經理林坤禧退休後，創辦的智慧醫材公司。奠基於其在智慧影像技術的專業，將半導體產品智慧製程中使用的AI檢驗系統，率先應用於肺部低劑量電腦斷層（LDCT）影像，輔助放射科與胸腔科醫師偵測早期肺結節。
 
經過臨床驗證，肺部影像輔助判讀系統的結節偵測靈敏度可達95.6%、毛玻璃狀病灶（GGO）偵測率達95.7%；在輔助醫師判讀上，結果顯示提升醫師閱片靈敏度可大幅提升近20%，提升醫師對肺癌病患的閱片準確率則提升近14%、肺癌結節的偵測準確率可增加近10%。
 
在美國的臨床試驗也證明，輔助醫生依照美國放射醫學會（ACR）制定的肺癌篩檢結構式報告（Lung RADS）判定率更提高10%，相等於提早找到更多需要進行積極檢查與治療的病患，充分展現在肺癌臨床判讀的效益。
 
在影像學之外，倍智醫電也針對肺癌診斷的切片或組織診斷，開發出AI顯微自動取像輔助細胞學診斷平台，透過整合遠端遙控、自動掃片、AI輔助判讀、雲端分享，完成細胞偵測、分類、統計等耗時程序，加速肺癌診斷的細胞學臨床評估，讓患者盡早安排後續檢查及治療。
 
最後，沈子貴也介紹了倍智醫電的AI Conductor平台，這是一種專為醫院設計，實現AI模型集中布署、管理與推論執行，提升臨床應用效率的平台，能夠無縫整合HIS/PACS/RIS/EMR等醫院資訊系統，確保AI診斷結果能夠安全、及時回傳到醫療系統，優化臨床決策流程。


圖為：中國醫藥大學醫學工程學院劉彥良副教授。(圖片來源:主辦單位提供)

劉彥良：病理學「紅海」競爭激烈　細胞學AI開啟新藍海

 
中國醫藥大學醫學工程學院劉彥良副教授指出，AI技術自機器學習時期逐步演進，直到深度學習的出現才真正帶來突破。2010年起，隨著具備自我學習能力的深度學習導入影像辨識，AI在視覺判讀上出現關鍵進展。
 
與此同時，數位切片掃描（Whole Slide Imaging）的解析度與保存規格逐漸符合法規要求，醫療影像得以大規模數位化並累積了龐大的數據庫，成為AI模型的訓練奠定基礎。直到2021年，美國FDA首次核准Paige.AI公司開發的AI輔助病理診斷應用於前列腺癌，讓AI醫療跨入臨床診斷的里程碑。
 
不過，他表示，要讓AI技術進入臨床仍有多重挑戰，首先需說服臨床醫師與病理師願意提供檢體數據，其次是耗費大量人力進行標註工作，即使完成原型系統開發，仍需進行多中心臨床驗證，並說服醫院導入設備，這些關卡都考驗開發者的協調與跨領域合作能力。他認為，臺灣若要推動醫療AI，需要有「總指揮」角色整合醫師、工程師與決策者，才能克服院所間的壁壘。
 
劉彥良特別點出，當前國際數位病理市場已相當擁擠，無論是美國新創或大型醫材公司，都投入大量資源針對組織切片的AI輔助診斷工具，已成為「紅海」市場，相較之下，細胞學（cytopathology）仍屬少有人耕耘的領域，除了子宮頸抹片、口腔抹片及胸水檢測等常見應用外，對於穿刺取得的腫瘤細胞塗片，目前相關的AI產品仍為少數。
 
劉彥良認為，正因為細胞學市場尚未成熟，反而給臺灣及小型研究團隊切入的契機，是值得把握的「新藍海」。
 
展望未來，劉彥良強調，AI病理學的發展不只有辨識癌細胞，而是要進一步結合臨床數據、基因檢測與病人資訊，建立多模態模型，達到預測病人的疾病進程與存活期。他也特別指出，未來的AI必須具備「可解釋性」，才能讓判讀結果更貼近臨床醫師的專業判斷。
 
(報導/彭梓涵、吳培安)