智慧醫療人機協作新時代 臨床輔助診斷精準快速
|
|
記者:歸鴻亭
|
時間:2020/8/20 下午 06:56:58
|
行政院向來重視生醫產業發展，不僅2017年起推動的生醫產業創新推動方案將精準醫療列為特色重點產業，目前規劃中的6大核心戰略產業，精準健康產業也是其中之一，而智慧醫療又是精準健康的重點項目。另外，受惠於電腦計算能力的大幅提升以及深度學習等人工智慧(AI)技術的快速發展，AI已蓬勃的應用於醫療與健康照護領域；AI是大數據探勘最重要的工具，不僅能快速從健康大數據洞見新解方，亦可即時性地分析綜合資訊，預測疾病風險以支援醫療決策。有鑑於資料是醫療AI開發不可或缺的要素，衛生福利部、科技部及經濟部將自2021年起共同推動4年期的精準健康大數據永續平台計畫，目標在於建置精準健康大數據永續基磐，運用複合巨量數據進行臨床轉譯研究加值，進而引領產業創新服務模式。 | | 科技部次長謝達斌說明科技部及經濟部將自2021年起共同推動4年期的精準健康大數據永續平台計畫，目標在於建置精準健康大數據永續基磐，運用複合巨量數據進行臨床轉譯研究加值，進而引領產業創新服務模式。(歸鴻亭攝影) |
科技部次長謝達斌表示，醫療影像是智慧醫療最早興起也一直是最熱門的技術開發領域，主要因為醫療影像在醫療診斷上原本已是不可或缺的工具，隨著全球高齡化、癌症與慢性病的增加，更使得醫療影像使用率攀升，醫師的工作負擔也大幅增加。在輔助診斷的需求驅動下，科技部聚焦國人常見的心、腦、肺重大疾病，補助國立臺灣大學、臺北榮民總醫院、臺北醫學大學等3個團隊研發具特色的智慧醫療影像診斷工具。 | | 臺北榮民總醫院與臺灣人工智慧實驗室研究團隊合作開發的腦轉移瘤AI輔助診斷系統。(歸鴻亭攝影) |
臺北榮民總醫院與臺灣人工智慧實驗室(Taiwan AI Labs)研究團隊合作開發的腦轉移瘤AI輔助診斷系統(DeepMets®)，以臺北榮總累積30年由專業放射科醫師所標註1,000筆以上個案作為初始模型訓練，並利用台灣自主研發並且開源聯邦學習(Federated Learning)套件Harmonia，加入健保署影像資料庫包含23家醫學中心超過3,000筆之腦部磁振造影(MR)影像完成AI模型聯合訓練以及優化，DeepMets®可對GE、Siemens、Philips以及其他主流廠牌的MR影像精準辨識出腦轉移瘤病灶並計算數量、最大徑與體積等重要資訊，並已於臺北榮總神經影像及胸腔內科AI輔助門診上線，協助偵測肺癌腦轉移瘤病灶，自2019年迄今已應用於超過1,500個病例，醫師閱片時間由人工至少10分鐘縮短為30秒鐘，正確性(F1-score)達96，患者的診療流程也可由2週縮短為半天，不僅加速治療方針擬定，也減輕患者苦等檢查報告的焦慮。 | | 臺北醫學大學團隊將主軸放在肺部疾病應用，分別開發出了利用深度標記電腦斷層影像為基礎所建立的肺結節偵測、良惡性分類及自動報告演算法的AI系統。(歸鴻亭攝影) |
臺北醫學大學團隊將主軸放在肺部疾病應用，分別開發出了利用深度標記電腦斷層(CT)影像為基礎所建立的肺結節偵測、良惡性分類及自動報告演算法的AI系統，以及應用在數位肺癌病理影像的全玻片數位病理自動偵測癌症區塊與細胞分析演算系統。在兩項產品的雙引擎驅動下，能快速篩檢低劑量的肺CT影像，偵測及分析結節位置、特徵，並可在10秒鐘自動產生具國際標準的肺癌篩檢標準化影像報告系統(Lung-RADs)評估報告，準確率95%以上。相較於傳統，醫師每例閱片須耗費20至30分鐘，使用此系統醫師只須進行5分鐘的覆核，將大幅改善中大型醫療機構放射科醫師閱片效率與失誤率；另外，全玻片病理偵測與細胞分析可以加速肺癌病理診斷與協助定量亞型肺腺癌的分析。 | | 臺灣大學/臺大醫院團隊則專注在心臟血管系統相關應用。(歸鴻亭攝影) |
臺灣大學/臺大醫院團隊則專注在心臟血管系統相關應用，團隊與NVIDIA（輝達）共同開發的心臟主動脈鈣化/脂肪全自動分析AI模型(HeaortaNet®)，採用完整去識別八大醫學中心胸部CT影像，經心臟/放射科醫師檢覈高品質標註心包膜及升降主動脈輪廓，及自行開發的神經網路架構，將多中心不同CT機台影像進行聯邦學習(Federated Learning)，是全世界唯一能自動分類及計算胸腔鈣化/脂肪定量的AI模型。心臟分割準確度達94.2%，分析一個病例只需要0.4秒，目前這個模型已獲NVIDIA認證放置於NVIDIA雲端平台系統(NGC)供全球AI研究標註使用，並已在臺大醫院影像醫學部、健保影像大資料庫平台使用於超過5,000個病例，用於輔助報告及建置國人心血管疾病風險預測模式。 | | 科技部結合醫療與AI，將有利於加速國內醫療AI技術的發展。(歸鴻亭攝影) |
科技部結合醫療與AI，除了開發出輔助醫師診斷的AI系統可做為影像數據加值發展智慧醫療的示範之外，推動過程也同步建立適於機器學習的影像資料標註規範，引導跨院所專業醫療團隊建置了高品質的醫療影像標註資料庫，並針對資料再利用建立適法與隱私保障的共享機制，以及在國研院國網中心建置資料共享平台與資料不落地之利用機制，將有利於加速國內醫療AI技術的發展，也為新一代複合資料運用之智慧醫療技術開發奠定利基。
|
|