臺大醫院與雲象科技共同研發的「骨髓抹片AI分類計數」已獲衛福部與歐盟核准，取得醫材許可證，將可協助醫師更快速判讀，為血液醫療帶來新突破。
![]()
隨著 AI 人工智慧的急速發展，讓過去許多用人工需要耗用許多時間的應用得以加速，其中對於影像的自動判讀或分析就是現在常見的應用之一。而運用人工智慧分析影像來輔助專業人士做判斷，醫療很早就開始研究，畢竟現代的醫療有許多影像做為病理判斷之用。
人體是非常精密的系統，各個子系統的搭配下才能順利運作，一旦有任何組成部分不足、過多或比例不對，都會造成問題，也就是疾病。像血液中的白血球，一旦數量比例失常就有問題。根據衛福部統計，臺灣白血病與骨髓增生性腫瘤病患人數逐年上升，其中因白血病而死亡的人數每年約1,100人。骨髓抹片之判讀為診斷各種血液疾病的最基本且重要的方法，也才能提供最適當的治療。然而現行的模式下一片骨髓抹片需計數500個血球分類，皆採人工手動，不僅耗時且細胞計數區域及影像無法存檔紀錄，成果難以驗證。
![]()
臺大醫院與雲象科技共同研發「骨髓抹片AI分類計數 aetherAI Hema」
臺大醫院是臺灣血液病診治的主要醫院，擁有自 1983 年來診斷及收藏的骨髓抹片檢體，骨髓抹片判讀的人力素質及數量上在國內外均具優勢。臺大醫院從 2018年起便與專注於醫療影像 AI 的雲象科技合作，共同開發「骨髓抹片AI分類計數 aetherAI Hema」系統。此系統總共用近60萬個細胞去訓練 AI 系統，並以逾兩萬六千個細胞測試，達成可自動分類計數15類骨髓細胞，從原本一張影像依難度不同平均耗時約20分鐘，縮短至五分鐘以內。不僅協助醫師與醫檢師縮短判讀時間，減輕醫療人員負擔，而且提供量化、客觀，可反覆驗證的數據，有助經驗傳承，突破血液疾病臨床診斷與教學研究的瓶頸。
骨髓細胞分類是診斷許多血液疾病的基礎，目前國際市場上尚未有成熟的電腦輔助計數系統。自1997年即有研究者試著以 AI 應用於骨髓細胞的分類計數，但許多研究仍有不足之處，例如細胞標註數量不足、僅能辨識少數幾類細胞、只限於應用在特定疾病、或是缺乏多中心臨床驗證，因此距離臨床上實用仍有一段距離。
![]()
「骨髓抹片AI分類計數」可協助醫師與醫檢師縮短判讀時間
臺大醫院與雲象科技合作的「骨髓抹片AI分類計數」屬國際性創新 AI 應用，因骨髓抹片判讀困難，資料量相對稀少，加上高品質的骨髓抹片較難取得且分類困難，需要受過高度專業訓練之人員來進行分類。臺大醫院與雲象科技用高標準進行多國、多中心的臨床驗證，其中有 254位病人的骨髓抹片分別來自臺大醫院總院、臺大醫院雲林分院、臺北國泰醫院與美國 BioReference Laboratories，一張玻片由兩位醫師及 AI 標註相互驗證，涵蓋14種骨髓疾病類別，且包括治癒前後的不同臨床病程，跨兩種染色，而此模型的研發資料集是由臺大醫院血液專科醫師及資深醫檢師標讀超過70萬個細胞組成。
「骨髓抹片AI分類計數」在 2021年10月取得衛福部食藥署及歐盟 CE 的許可證，是目前全球最先進的骨髓細胞計數與分類系統，將可推廣於全球的血液實驗室，成為血液疾病診斷革命性的工具與利器。期望這項基於先進 AI 技術應用及骨髓細胞型態無人種差異的特色，將能開拓海外市場。
|
收藏
分享
分享
提升卡
置頂卡
沉默卡
喧囂卡
變色卡
顯身卡
