林口長庚、雲象科技、台灣諾華三方合作打造血液病理AI輔助判讀應用

伴隨AI技術成熟，林口長庚紀念醫院、雲象科技與台灣諾華三方合作，運用病理數位化的龐大資料庫並結合雲象科技AI技術，打造血液病理AI輔助判讀應用。

現代醫療許多療程都十分依靠科技設備輔助，也讓許多疾病能早日被發現並治療。在眾多的設備當中，和影像相關的設備很多，但是從眾多取得的影像中判斷是否正常或是疾病仍需要仰賴醫生等專業的判讀，因此隨著 AI 人工智慧的發展，將可加速醫療影像的判讀。

林口長庚、雲象科技、台灣諾華合作打造血液病理AI輔助判讀

骨髓增生性腫瘤的分類

運用 AI 技術下，林口長庚紀念醫院、雲象科技與台灣諾華三方跨界合作，以林口長庚醫院病理數位化累積的龐大資料庫，結合雲象科技 AI 技術，以深度學習、訓練深度神經網路來辨識骨髓細胞的形態、特徵與空間分布情形，打造「血液病理AI輔助判讀應用」，以客觀量化的資料輔助病理醫師作出高效、精準的「骨髓增生性腫瘤」(myeloproliferative neoplasm，簡稱MPN)診斷。

目前林口長庚每月有近萬個案例、高達上萬筆的病理玻片需要判讀，團隊每日必須處理數量龐大且急迫的病例。為了快速且精準幫助病患確診，長庚醫院已將病理玻片數位化，為全台少數完成跨院區病理科數位化的醫療院所，大幅提升判讀方便性。長庚醫院五個院區採用雲象科技數位病理系統，目前林口長庚數位化玻片已累積超過38萬片。

不同的骨髓增生性腫瘤有不同的治療方式與目標

由於血液疾病的診斷與治療較為困難，只是病患數不如其他的癌症，新技術如 AI 通常不會最早應用在血液疾病上。不過血液疾病是以形態學為基礎的病理診斷，而形態辨識正是 AI 在醫療上能有最大發揮空間的面向。雲象科技自2018年起，陸續與台大醫院、林口長庚醫院、奇美醫院，分別進行骨髓抹片細胞型態辨識、淋巴瘤型態診斷及預後分析等血液疾病AI的應用，累積的技術與應用開發經驗便用於開發「骨髓增生性腫瘤」AI輔助判讀與病理診斷。在AI輔助下，未來血液病理形態診斷的重要性會再提升，可和近年矚目的分子及基因診斷相輔相成，強化血液疾病診斷以及治療的品質。

真性紅血球增多症玻片影像

骨髓增生性腫瘤臨床上常見的三種類別，從診斷到治療都是挑戰。病患臨床表現因為沒有可觸及的硬塊，或是因疾病引起的其他症狀，像是出血、中風等，正確的診斷是一大挑戰，因此必須仰賴骨髓切片。針對切片的判讀，病理醫師必須在顯微鏡下仔細評估各種造血細胞的數量及形態，特別是巨核細胞的形態特徵、數量及空間分布，才能得到精準的診斷。

人工判讀有複雜度及困難度

運用 AI 機器學習來輔助判斷

但是人工判讀難以客觀量化，還有不同診斷者間的判斷差異，特別是對於該疾病較不熟悉或經驗較少的醫師更加困難。透過高品質、經過專家標註資料的訓練，AI輔助影像分析可以讓診斷流程有更客觀一致的量化標準，提升診斷的準確率。

血液病理運用 AI 技術許多優勢

改善患者生活品質與延長存活期是大家對於癌症治療的共同目標，從第一代標靶治療到目前最創新的細胞基因療法，諾華持續為癌症治療開創新局。而諾華也運用資料科學以發展先進藥品，運用巨量資料分析及 AI 是諾華重要的策略方向。目前血液腫瘤的早期診斷仍有未被滿足的需求，這次與雲象科技、長庚醫院的合作，期望結合三方優勢以能幫助更多血液腫瘤病患及早診斷並接受治療，降低疾病惡化的風險，延續病患的生命並提升生活品質。