生活
健康

AI輔助!破解「最難診斷癌症」 醫師不必扮偵探「一掃就揪出犯人」

血癌 骨髓增生性腫瘤 腫瘤 MPN 林口長庚 諾華 雲象 AI
AI輔助!破解「最難診斷癌症」 醫師不必扮偵探「一掃就揪出犯人」

林口長庚醫院解剖病理部莊文郁副主任表示,透過AI技術可以迅速辨別困難又複雜的細胞,有助於更早釐清病況,抓緊治療時機。(圖/林口長庚提供)

血液癌症難以早期察覺,以骨髓增生性腫瘤(myeloproliferative neoplasm,簡稱MPN)為例,因其種類多、臨床症狀相似,以及骨髓病理切片與突變特徵有高度重疊,所以擁有「最難診斷癌症」的封號。

林口長庚醫院血液科郭明宗醫師表示,骨髓增生性腫瘤臨床上常見3種基因突變,然而確切罹病原因尚在研究中,後天的基因變異、環境因素等皆為可能致病因子,目前在臨床上面臨的最大挑戰不僅是治療,其實是從診斷程序就開始!

郭明宗醫師說,骨髓增生性腫瘤為血液增生性疾病,病患不像其他實體腫瘤疾病有明顯可觸及的腫塊,通常患者求診時可能是因為無症狀的血液相異常,或是因疾病引起的其他症狀、併發症如出血、中風等,無法直接看出原疾病為何。所以醫師們必須扮演偵探,由許多相類似的症狀、血液檢查數值等中抽絲剝繭,列出可能的兇手疾病名單,最關鍵的證據即為「病理切片判讀」。

不過,病理切片的解讀非常複雜,以人工進行判讀,難以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會更難判讀。

雲象科技與台灣諾華首度攜手林口長庚醫院,跨界打造血液病理AI輔助判讀應用,將AI技術運用於血液病理診斷,可輔助醫師進行快速且精準的判讀,不僅可彌補判讀經驗多寡的結果差異,也可減輕大量病理玻片的判讀負荷量,最關鍵、重要的是可以幫助病患及早發現、及早治療,避免轉化為預後較差的疾病或嚴重併發症。

林口長庚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龐大且急迫的病例,為了能及早且精準幫助病患確診,林口長庚已全面將病理玻片數位化,為全台少數完成跨院區病理科數位化的醫療院所,可大大提升判讀方便性。目前林口長庚數位化玻片已累積超過38萬片,以每玻片0.1公分計算,堆疊高度達380公尺,相當於126層樓高,其為AI研究開發的絕佳基礎!此次合作透過龐大的數位病理資料庫,運用AI進行深度學習與訓練,期望能發展出一套可辨識骨髓增生性腫瘤的模型。

此次AI技術合作的概念就好比日常上傳照片至社群平台,平台會透過自動人臉辨識系統,顯示或標記照片上的人物是哪一位朋友,林口長庚醫院解剖病理部莊文郁副主任打趣地說,隨著時代與醫療的進步,AI技術不僅可以認臉,也可以辨別極度困難與複雜的細胞了!

雲象科技創辦人暨執行長葉肇元醫師也指出,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癌症,故新技術如AI較不會第一時間應用在血液疾病上;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,而型態辨識正是AI在醫療上能有最大發揮空間的面向。葉肇元表示,相信在AI輔助下,型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。

血癌 骨髓增生性腫瘤 腫瘤 MPN 林口長庚 諾華 雲象 AI