本網站使用相關技術提供更好的閱讀體驗,同時尊重使用者隱私,點這裡瞭解中央社隱私聲明當您關閉此視窗,代表您同意上述規範。
Your browser does not appear to support Traditional Chinese. Would you like to go to CNA’s English website, “Focus Taiwan”?
こちらのページは繁体字版です。日本語版「フォーカス台湾」に移動しますか。
中央社一手新聞APP Icon中央社一手新聞APP
下載

台灣醫療科技新突破 人工智慧3分鐘揪肺癌病灶

2021/2/26 11:33(2/26 12:15 更新)
請同意我們的隱私權規範,才能啟用聽新聞的功能。
請同意我們的隱私權規範,才能啟用聽新聞的功能。

(中央社記者陳偉婷台北26日電)北醫大巨量影像資料庫研究計畫,以人工智慧AI系統開發肺部腫瘤不須人工標註的病理影像辨識系統,準確率達95%以上,且每名病人僅須3到5分鐘就可判讀,爭取寶貴治療時間。

台北醫學大學獲科技部補助進行「巨量影像資料庫建置與應用」計畫,2021年登上知名醫學期刊自然通訊(Nature Communications)。這是北醫大校長林建煌推動數位病理,啟動台灣十大癌別病理玻片數位化中的重要成果。

這項由北醫大與雲象科技公司合作開發的人工智慧(AI)系統,以國研院國網中心於前瞻基礎建設計畫所建置的台灣杉二號超級電腦,開發領先全球的肺部腫瘤不須人工標註的全玻片病理影像辨識系統,可輕易區分肺腫瘤病理切片是良性或惡性,且準確率高達95%以上,判讀時間大幅縮短2/3,加速病理診斷時效。

研究第一作者、台北醫學大學教授陳志榮表示,這些病理玻片是將北醫附醫、萬芳及雙和等3家醫院,將患者經X光、核磁共振或電腦斷層等檢查後,經醫師穿刺或開刀取出的肺部腫瘤組織所製成,統計逾9000張,全部掃描成數位影像檔,由多位病理專科醫師一張張標註出病灶及非病灶區域,再交由AI的不斷學習修正,提升系統判讀準確率。

陳志榮說,傳統肺部腫瘤確切診斷模式是將醫師經由穿刺或開刀取下的疑似腫瘤組織,送到病理檢驗部門,製成病理玻片後,病理科醫師再透過顯微鏡一張張判讀,既費時又費力,還可能會因醫師的經驗值不同而有不同結果,且醫師判讀時必須先標註出可疑區塊再不斷標註診斷直至確認,但北醫大與雲相科技研發的這套AI辨識系統,可以直接透過全玻片,且不須人工標註,就能自動判讀肺癌與腫瘤細胞亞型。

北醫大與雲象科技組成的研究團隊開發的「肺部腫瘤全玻片病理影像辨識系統」,是透過病理切片數位影像,讓AI比照病理科醫師直接在顯微鏡底下觀看病理切片的模式自我學習,可改善影像重疊導致的失真,判讀精準度更高。

陳志榮說,系統會先從肺部腫瘤病理切片數位影像中,區分正常與不正常區域,再從不正常區域中分辨腫瘤組織為良性還是惡性;若為惡性腫瘤,可再進一步區分肺腺癌或肺鱗狀上皮細胞癌,最後,再由病理科醫師彙整AI提供資訊進行最後確認診斷。

透過AI先辨識判讀患者的病理切片,有助減少人為判斷錯誤的機率,更能大幅縮短時間。陳志榮表示,若以每名病患8至15張病理切片計算,傳統僅由病理科醫師執行的判讀時間約10至15分鐘,利用這套系統只須1/3、約3至5分鐘即可完成。

這篇名為An annotation-free whole-slide training approach to pathological classification of lung cancer types using deep learning的研究論文,第一作者為陳志榮及雲象科技工程師陳啟中,通訊作者則為台北醫學大學副校長陳震宇、雲象科技公司執行長葉肇元。(編輯:陳政偉)1100226

中央社「一手新聞」 app
iOS App下載Android App下載

本網站之文字、圖片及影音,非經授權,不得轉載、公開播送或公開傳輸及利用。

請繼續下滑閱讀
172.30.142.66