臺科大医工所王靖维教授团队 「通用3D病灶分割AI模型」获国际医疗竞赛季军

臺科大医工所王靖维教授团队开发「通用3D病灶分割AI模型」，用于电脑断层CT扫描影像，迅速且精准辨识与分割多类别胸腹部病灶。于今年国际医疗3D CT影像AI竞赛(The Universal Lesion Segmentation ’23 Challenge，ULS23)，在632名参与者脱颖而出，荣获第3名佳绩。

传统电脑断层扫描影像(CT)在分割病灶的难点包括：病灶识别困难、需大量专业人力分析和手动标注病灶相当耗时，导致诊断效率低下，增加医疗成本。人工标注过程中，容易因疲劳、有限诊断作业时间和经验不足而漏判。

「全球排名前2%顶尖科学家」的王靖维教授表示，团队研究开发「通用3D病灶分割AI模型」，可精准辨识多类别胸腹部(包括骨骼、胰臟、肾臟、肝臟、肺结节、肺部、结肠、淋巴结和纵膈)病灶，适用于胸腹部CT影像，可自动化精准标注多种3D CT病灶，帮助放射科医师以3D形式标注病灶，解决手动标注耗费大量人力成本问题。

「通用3D病灶分割AI模型」除了精准辨识，在处理效率上更充分满足临床应用需求。传统人工标注每案约耗费30到60分钟，但团队AI技术在配备单一T4 GPU的Grand Challenge平台伺服器上处理每个3D病灶资料只需3.25秒。若使用配备RTX4080的本机PC则不到2秒。王靖维说明，3D的CT影像病灶分割与2D影像相比，提供更多有助医师监控病灶成长的资讯，如病灶体积、形状和空间位置。CT扫描的自动AI病灶分割比手动分割具有优势，包括提高效率、可重复性、准确性和标准化，从而实现更精确的定量分析，并促进研究成果转化为临床实践。

王靖维研究团队透过参与竞赛，除提升团队技术实力外，也增强处理大规模、多类别CT影像数据方面的经验。深入了解如何在真实临床应用提升AI模型的实用性和稳健性，为未来的研究和应用奠定坚实基础。

ULS23竞赛是为促进在3D CT领域通用型病灶分割模型研究，所举办的国际竞赛，并在Grand Challenge平台上进行。竞赛提供39,500病灶临床测试集3D CT，让参赛者建立与验证多类别胸腹部(包括骨骼、胰臟、肾臟、肝臟、肺结节、肺部、结肠、淋巴结和纵膈)通用病灶模型，竞赛考量临床实际需求，透过多项指标，评估模型稳健性和精确性，藉由AWS云端计算，使用未公开的3D CT病灶影像，对参赛者的模型进行自动且公平的量化评估。