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。