AI輔助提升血癌判讀精準度

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。