智慧應用 影音
台灣新創生態圈大調查 發表會
event

雲象科技:首度三方跨界打造「血液病理AI輔助判讀應用」

林口長庚紀念醫院、雲象科技、台灣諾華共同打造「血液病理AI輔助判讀應用」,突破「骨髓增生性腫瘤」診斷難題。雲象

伴隨AI技術成熟、COVID-19(新冠肺炎)加速數位轉型,林口長庚紀念醫院、雲象科技、台灣諾華三方跨界攜手,奠基於林口長庚醫院病理數位化累積的龐大資料庫,結合雲象科技AI技術,進行深度學習、訓練深度神經網路來辨識骨髓細胞的形態、特徵與空間分布情形,打造「血液病理AI輔助判讀應用」,以提供客觀且量化的數據,輔助病理醫師作出高效、精準的「骨髓增生性腫瘤」(myeloproliferative neoplasm;MPN)診斷;而台灣諾華則長期投入血液腫瘤研發治療,促成策略合作。
 
疫情加速智慧醫療-林口長庚完成病理玻片數位化  奠基AI應用基礎

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數量龐大且急迫的病例。

為了能及早且精準幫助病患確診,長庚醫院已將病理玻片數位化,包含長庚醫院五個院區採用雲象科技數位病理系統,目前林口長庚數位化玻片已累積超過38萬片,是全台少數完成跨院區病理科數位化的醫療院所。

血液腫瘤診斷異常複雜  高品質資料、AI技術、計算能量缺一不可

雲象科技創辦人暨執行長葉肇元醫師指出,血液疾病的診斷與治療因病患數不如其他器官的癌症,故新技術如AI較不會在第一時間被應用在血液疾病上;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,而形態辨識正是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。葉肇元表示,相信在AI輔助下,形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。

運用AI於血液病理診斷  可望提升血液癌症判讀精準度有助及早治療

林口長庚紀念醫院血液科郭明宗醫師表示,骨髓增生性腫瘤就病患臨床表現而言,因為沒有可觸及的腫塊,或是因疾病引起的其他症狀,像是出血、中風等,正確的診斷必須仰賴骨髓切片。針對切片的判讀,林口長庚紀念醫院解剖病理部莊文郁副主任解釋,病理醫師必須在顯微鏡下仔細評估各種造血細胞的數量及形態,特別是巨核細胞的形態特徵、數量及空間分布,才能得到精準的診斷。

人工判讀難取得客觀量化的結果,且會存在不同診斷者間的差異,透過高品質、經過專家標註資料的訓練,AI輔助影像分析可以讓診斷流程有更客觀一致的量化標準,提升診斷的準確率。

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,諾華期望結合三方優勢,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。

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 長庚紀念醫院 諾華 AI 雲象科技