臺大開發骨髓抹片AI判讀 只要5分鐘

台灣白血病與骨髓增生性腫瘤病患人數明顯逐年上升，唯有正確的診斷才能提供最適切的治療。臺大醫院從傳統的人工閱片到研發AI系統，從原本一張影像依難度不同平均耗時約二十分鐘，縮短至五分鐘以內，快速提供量化、可反覆驗證、客觀一致性的數據，協助醫師判讀，提升精準醫療。

檢驗醫學部主任周文堅表示，根據衛福部統計資料，台灣白血病與骨髓增生性腫瘤病患人數明顯逐年上升，以二○一六年至二○一八年患者數量為例，分別是二千一百六十八人、二千三百五十五人、二千五百五十人；而其中因白血病而死亡的人數每年約一千一百人。唯有正確的診斷才能提供最適切的治療，而骨髓抹片之判讀為診斷各種血液疾病的最基本且重要的方法。然而，現行的模式要求，一片骨髓抹片需計數五百個血球分類，皆採人工手動，不僅耗時，且細胞計數區域及影像無法存檔紀錄，成果難以驗證。

自二○一八年臺大醫院與專注於醫療影像AI的雲象科技，進行產學合作，率先開發「骨髓抹片AI分類計數」系統。總共用了近六十萬個細胞去訓練本AI系統，並以逾兩萬六千個細胞測試，達成可自動分類計數十五類骨髓細胞，從原本一張影像依難度不同平均耗時約二十分鐘，縮短至五分鐘以內。不僅協助醫師與醫檢師縮短判讀時間，減輕醫療人員負擔，而且提供量化、客觀，可反覆驗證的數據，有助經驗傳承，突破血液疾病臨床診斷與教學研究的瓶頸。

臺大醫院與雲象進行多國、多中心的臨床驗證。二百五十四位病人的骨髓抹片分別來自臺大醫院總院、臺大醫院雲林分院、臺北國泰醫院、與美國Bio Reference Laboratories，一張玻片由兩位醫師及AI標註相互驗證，涵蓋十四種骨髓疾病類別，且包括治癒前後的不同臨床病程，跨兩種染色，而此模型的研發資料集，是由臺大醫院血液專科醫師及資深醫檢師進行了超過七十萬個細胞標註所組成。

自研發至取證歷經三年努力，二○二一年十月取得衛福部食藥署及歐盟CE的許可證，驗證此系統在未來運用方面的普遍性，是目前全球最先進的骨髓細胞計數與分類系統，將可推廣於全球的血液實驗室，會是血液疾病診斷的一項革命性的工具與利器。期望從台灣出發，奠基於先進AI技術應用及骨髓細胞型態無人種差異的特色，開拓海外市場。