SMC 資料庫

編輯台引言：兩年前政府已開始「醫療影像專案計畫」，目前合作醫院的規劃先從脊椎、腦部、眼睛及心律不整等科目開始，透過即時模型運算，幾秒內就能自動判斷腫瘤的位置與大小，希望這項技術能縮短患者就醫時間，減少侵入式檢查，但這個技術真的那麼神？還是我們的想像其實過於美好？雖然AI醫療影像會有一定程度的幫助，但也提醒我們不能過分期待「完全正確」。無論如何，AI醫療影像應用已然是趨勢，大眾都有可能會用到這項技術，讓我們一起先做好準備吧！

隨著AI在醫學領域的創新嘗試日益成熟，全臺醫院也紛紛摩拳擦掌，準備迎接智慧醫療的新世代，其中，最引人注目的，當屬醫療影像辨識上的應用。事實上，科技部自2017年10月開始便每年投入8000萬元來推動「醫療影像專案計畫」，聯合臺灣大學、台北醫學大學和台北榮民總醫院（下稱榮總）結合AI技術，建置台灣首座醫療影像標註資料庫，而榮總也規劃最快於今年（2019）第1、2季開設AI門診，以提升醫療品質與效率。AI門診目前先鎖定脊椎、腦部、眼睛及心律不整等科目，編譯目前資料庫已建置的46,450個案例之醫療影像（其中17,950個案例標註了疾病資訊），包括心臟冠狀動脈疾病、腦轉移瘤、原發性腦瘤、聽神經瘤、肺癌等疾病的電腦斷層、血管攝影、磁振造影（MRI）或X光等15項影像資料集，使這些數據成為符合AI訓練需求的樣本，並開發可自動分析醫療影像的演算法，加速判讀的一致性與精準度，該技術也能縮短患者就醫時間，並減少侵入式檢查，讓許多民眾受惠。

同時，榮總也從去年（2018）與「台灣人工智慧實驗室（AILabs）」合作，建立全球首套臨床AI腦瘤自動判讀系統－DeepMets，目前已正式進駐放射線部開始試用。DeepMets的資料庫是由榮總的放射線部、神經外科及放射腫瘤科醫師共同標注數百位病例取得，藉由近千個MRI影像中腦轉移瘤癌及聽神經瘤病灶位置判讀的學習，再不斷修正AI模型中的參數後，最終得以在臨床上試用。也就是說，當醫師使用「醫療影像擷取與傳輸系統」（PACS）判讀腦部MRI影像時，可直接點選按鈕，將影像傳送至DeepMets進行AI自動偵測。透過即時模型運算，幾秒內就能自動判斷腫瘤的位置與大小，並將結果立刻回傳給醫師，大幅縮短醫師人工判讀的時間。

相關新聞報導：

1. 中央社：＜人工智慧輔助判讀醫療資料 榮總明年首開AI門診＞，2018年12月26日。

2. 環球生技月刊：＜台灣人工智慧實驗室與台北榮總打造全球首套AI腫瘤臨床判讀系統＞，2018年11月26日。

新興科技媒體中心邀請到新光吳火獅紀念醫院張心怡眼科醫師，來向我們說明， AI醫學影像僅是在醫療決策中，加入了一項客觀參考依據。

2019年03月19日
新光吳火獅紀念醫院 張心怡眼科醫師

AI結合醫學的應用不勝枚舉，特別是一些存在客觀數據、又對病患的健康影響較大的運用，比如病理切片的辨識或影像診斷。其中，榮總醫院先選定脊椎、眼睛等部位來開設AI門診，可能是基於它們的變因不多，因此較容易控制參數條件，同時，這些科別會大大的影響病患生理功能，就像是脊椎受傷可能會癱瘓，對眼疾消極處置則會失明。

然而，即便如新聞所說，AI醫療有這麼多好處，病患還是需要了解，醫學本身是預測性，且存在不確定性，所以機器當然也會有不準確的時候。AI僅是在醫療決策中，加入一項客觀的參考依據，但「客觀」不代表一定「正確」。因此，病患知道自己接受了何種處方或處置，甚至主動參與醫療決策的想法很重要，如此一來，醫師才能充分評估對其施用AI機器的可行性。另一方面，醫師對AI也會有一些合理顧慮，比如當醫師在50歲和90歲的病患身上，診斷出同一種病症，我們通常會給予不同的建議處置，如果把差異甚大的「病症──處置」相關性餵進AI機器，會不會讓機器學習或深度學習的結果出現偏誤？這些問題需要排除，才能讓醫師更放心的將AI視為一個輔助醫療工作的選擇。

本文歡迎媒體轉載使用，惟需附上資料來源，請註明新興科技媒體中心。
若有採訪需求或其他合作事宜，請聯絡媒體公關：