迎戰超高齡海嘯 國家原子能科技研究院如何以AI讓SPECT變身失智症早期診斷利器？

超高齡社會來臨，失智症的挑戰不只是「如何治療」，更在於能否更早發現、精準分流。國家原子能科技研究院副研究員倪于晴博士率團隊開發ECDaim，結合AI與台灣在地資料，讓既有SPECT腦灌流影像產生更多可量化資訊，為失智症早期診斷與醫療資源配置尋找新解方。

失智症人口持續增加，如何更早發現、及早介入，已成為超高齡社會的重要醫療課題，但對臨床而言，問題往往不只是「有沒有檢查」，而是能否在合理成本下，從大量疑似患者中找出真正需要進一步檢查與治療的人，這也是國家原子能科技研究院輻射防護研究所副研究員倪于晴博士投入AI輔助診斷研發的起點。

她率領團隊開發「ECDaim腦灌流影像分析系統」，不是重新打造昂貴設備，而是從既有的單光子電腦斷層攝影（SPECT）出發，結合AI深度學習、影像標準化與台灣在地資料庫，讓原本高度依賴醫師經驗判讀的腦部影像，進一步轉化成可比較、量化的數據。

ECDaim的起點，要追溯到2012年。在當時的台日學術交流中，日本已相當成熟地運用SPECT進行腦灌流檢查，檢查量也相當可觀；反觀台灣，雖然同樣具備相關設備，實際使用量卻相對有限。這讓團隊開始思考，同樣的設備，為什麼在不同國家會產生不同的醫療價值？答案不只是硬體，而是「如何使用資料」。

倪于晴指出，「傳統SPECT影像往往以色彩呈現腦部血流狀況，醫師必須依靠經驗辨識異常；此外，不同醫院的機台、造影條件不一，也可能增加跨院比較的難度。」因此，團隊從影像標準化開始著手，透過腦部Template等統計校正技術，降低不同儀器造成的系統性差異。

接著，ECDaim會將患者影像與同年齡層正常族群資料比較。「因為腦部血流本來就會隨年齡改變，如果拿年輕人的資料當作高齡患者的標準，判讀自然可能失準。」倪于晴補充。因而透過連續年齡常模，系統能更精準找出偏離正常範圍的區域，並將異常血流位置疊加到MRI結構影像上，讓醫師更直觀掌握問題外，更進一步，AI模型也能提供阿茲海默症相關機率數值，為臨床判讀增加一層客觀的量化依據。

ECDaim另一項核心技術，是建立符合台灣族群特性的資料庫。倪于晴指出，失智症與年齡、教育程度、生活環境等因素都有關，國外資料庫未必能直接套用。因此，團隊串聯北、中、南不同區域的醫療院所，逐步蒐集資料，建立台灣人的正常腦部變化資料，這也讓ECDaim的AI模型具備「在地化」基礎。

同時，團隊還導入遷移學習（Transfer Learning），未來若拓展至國外市場，可利用當地少量資料進行模型微調，而不必從零開始建立整套系統，這對國產醫療AI而言，這代表技術的價值不只在台灣能不能使用，也在於能否形成可複製的國際化模式。 （相關報導： 當醫療遇上智慧浪潮 臺大醫院用AI重構「以人為本」的溫度醫療 ｜ 更多文章 ）

而ECDaim真正的醫療價值，不只在診斷，而在「分流」。目前阿茲海默症相關的進階影像檢查，例如類澱粉蛋白正子造影（Amyloid PET），具有重要臨床價值，但費用相對高昂，若全面作為第一線檢查，醫療體系與患者都將承受較大負擔。因此，倪于晴認為，未來可以建立分層式的診療模式。

首先在第一階段，先利用較普及的SPECT搭配ECDaim，進行低負擔的初步分析，找出具有較高疑慮的族群；第二階段，再將高價檢查與進階治療資源集中在真正需要的人身上。換言之，AI不一定要直接取代昂貴檢查，而是先協助醫療體系把「誰需要進一步檢查」找出來；而當失智症患者數量持續增加，這樣的分流思維，可能比單純增加檢查設備更重要。

如果現階段ECDaim主要回答的是「現在有沒有異常」，下一階段團隊希望進一步回答「未來會怎麼變」。倪于晴透露，目前團隊正進行動態病程變化預測與警示功能的驗證，希望透過不同時間點的影像與資料，協助判斷患者可能屬於快速惡化型或相對平穩型，一旦相關模型經過臨床驗證，AI的角色就會從單純的影像分析工具，逐步走向病程管理輔助。如此對第一線醫師而言，這也可能減輕大量影像判讀與資料整理的負擔，讓醫師把更多時間放在診療決策與患者、家屬溝通。

然而，AI從研究成果走向臨床，最大的挑戰往往不只是技術。ECDaim必須經過醫療器材軟體（SaMD）相關驗證與法規程序，也需要核子醫學、神經內科、資訊與法規等不同領域共同合作，團隊因此與多家醫院進行臨床驗證，並持續從醫師端取得回饋，讓系統在實際使用中調整與最佳化。

而國原院所擁有的技術資源，也讓ECDaim未來具有進一步整合的可能，除了AI影像分析系統，院內也具備放射性藥物相關技術與產能，以及長距離運輸技術。若未來能將「AI影像分析＋放射性藥物＋核醫技術」整合，台灣輸出的就不只是單一軟體，而可能是一套從檢查、分析到醫療分流的整體方案。

面對超高齡社會，失智症不只是醫療問題，也是醫療資源配置的考驗。ECDaim所走的路徑，則提供另一種思考：醫療創新不一定要從昂貴的新設備開始，也可以從既有設備、資料與技術重新組合。 （相關報導： 當醫療遇上智慧浪潮 臺大醫院用AI重構「以人為本」的溫度醫療 ｜ 更多文章 ）

當一張過去高度依賴醫師經驗判讀的腦部影像，開始變成可以標準化、量化、比較與追蹤的數據，AI真正改變的，或許不只是診斷工具，而是整個失智症「早期發現—精準分流—持續追蹤」的醫療流程。