• 一代儒將
20171031-SMG0035-快訊小紅條兒

跨界破解「骨髓增生性腫瘤」診斷難題 AI應用輔助醫師快速精準判讀

2021-09-17 09:53

? 人氣

「血液病理診斷」導入AI應用,集結多方優勢齊心破解MPN:龐大數位病理資料庫+AI技術+創新醫藥。

「血液病理診斷」導入AI應用,集結多方優勢齊心破解MPN:龐大數位病理資料庫+AI技術+創新醫藥。

21世紀是AI人工智慧科技時代,從金融、教育到醫學領域,處處可見AI技術之應用。雲象科技與台灣諾華首度攜手林口長庚紀念醫院,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。血液癌症難以早期察覺,以骨髓增生性腫瘤(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,故過往以人工鑑別診斷不容易,需仰賴經驗豐富的臨床血液科醫師及血液病理次專科醫師。若沒有及時提供準確的骨髓切片判讀結果,恐會延誤治療時機,進而影響病患存活率!林口長庚紀念醫院邱政洵副院長期許,透過跨界攜手合作,成功發展人工智慧助攻血液腫瘤及早診斷,將造福更多骨髓增生性腫瘤患者。

[啟動LINE推播] 每日重大新聞通知

骨髓增生性腫瘤精準分類有難度 判讀錯誤影響治療

林口長庚紀念醫院血液科郭明宗醫師表示,骨髓增生性腫瘤是一組罕見的血液癌症,會導致骨髓中產生過量的紅血球、白血球或血小板,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!因其為血液增生性疾病,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、中風或是脾腫大等,無法直接看出原疾病為何。郭明宗醫師強調,不同種類的預後與病程進展皆不同,且患者臨床症狀有許多共通的地方,要確定真正兇手最關鍵的證據,即為「病理切片判讀」,故2016年世界衛生組織也已將骨髓切片做為骨髓增生性腫瘤診斷的必要條件之一。

骨髓增生性腫瘤分類
骨髓增生性腫瘤分類

林口長庚玻片判讀量大 為AI導入最佳人選

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。

跨界集結三方指標領導者 齊心破解「謎題』

改善患者生活品質與延長存活期是各界對於癌症治療的共同目標,諾華腫瘤(台灣)總經理陳喬松表示,身為全球製藥領導者,自第一代標靶治療到目前最創新的細胞基因療法,諾華持續為癌症治療創新里程碑。同時,亦致力運用資料科學以發展先進藥品,運用大數據分析及AI數位科技是諾華重要的策略方向。目前血液腫瘤的早期診斷仍有未被滿足的需求,此次攜手雲象科技及長庚醫院,正是諾華企業宗旨「重新創想醫藥未來以改善並延長人們的生命」的實踐。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。

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。雲象科技自2018年起,陸續與台大醫院、林口長庚醫院、奇美醫院,分別進行骨髓抹片細胞型態辨識、淋巴瘤型態診斷及預後分析等血液疾病AI的應用,所累積的技術與應用開發經驗,挹注於開發「骨髓增生性腫瘤」AI輔助判讀與病理診斷。展望血液病理的發展,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。

關鍵字:
風傳媒歡迎各界分享發聲,來稿請寄至 opinion@storm.mg

本週最多人贊助文章