AI輔助提升血癌判讀精準度

·3 分鐘 (閱讀時間)

林口長庚紀念醫院血液科郭明宗醫師表示,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。就病患臨床表現而言,因為沒有可觸及的腫塊,或是因疾病引起的其他症狀,像是出血、中風等,正確的診斷成為一大挑戰,必須仰賴骨髓切片。有鑒於此,林口長庚紀念醫院、雲象科技、台灣諾華三方跨界攜手打造「血液病理AI輔助判讀應用」,以提供客觀且量化的數據,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,能幫助病患獲得即時診斷及治療。

疫情加速智慧醫療,林口長庚完成病理玻片數位化,奠基AI應用基礎。研調機構Researchand Markets今夏報告指出,全球數位病理市場規模持續攀升,特別在AI輔助影像分析的應用上,成長動能強勁。林口長庚紀念醫院解剖病理部陳澤卿主任指出,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,病理團隊每日皆須面臨數量龐大且急迫的病例。為了能及早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。

針對切片的判讀,林口長庚紀念醫院解剖病理部莊文郁副主任解釋,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。人工判讀難取得客觀量化的結果,且會存在不同診斷者間的差異,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。

血液腫瘤診斷異常複雜,高品質資料、AI技術、計算能量缺一不可。雲象科技創辦人暨執行長葉肇元醫師指出,血液疾病的診斷與治療相當困難,然而因病患數不如其他器官的癌症,故新技術如AI較不會在第一時間被應用在血液疾病上;不過,對血液疾病來說,以形態學為基礎的病理診斷扮演關鍵角色,而形態辨識正是AI在醫療上能有最大發揮空間的面向。

展望血液病理的發展,葉肇元表示,相信在AI輔助下,形態診斷的重要性會再次提升,和近年備受矚目的分子及基因診斷相輔相成,進一步強化血液疾病診斷以及治療的品質。

諾華腫瘤(台灣)總經理陳喬松表示,期望結合三方優勢,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。