AI結合醫療為國際發展趨勢,而醫療結合AI演算法的開發,需要大量的疾病標註資料,做為AI學習的標準答案,科技部聯合臺灣大學、臺北榮民總醫院、臺北醫學大學,建置國內首座跨醫療院所醫療影像標註資料庫,可協助醫師進行醫療影像判讀,以及減少侵入式檢查。

醫療影像是目前主要的非侵入式診斷工具,每個疾病個案有數張到數百張影像,醫師人工判讀的工作相當繁重。結合AI技術與醫療影像之疾病診斷標註進行研究,所開發之自動分析判讀工具,不僅可以協助醫師加速醫療影像判讀及提高診斷的一致性與精準度,也可以縮短病人就醫時間及減少侵入式檢查,降低醫療的支出,甚至在醫療資源缺乏的偏鄉,也能更即時的診斷,進而讓偏鄉民眾擁有更良好的醫療品質。

科技部自106年10月開始推動「醫療影像專案計畫」,結合3大醫療團隊的專業醫療研究人員,以及臺灣大學、臺灣科技大學、交通大學、中央大學等學界AI專業研究人員,組成跨領域團隊,對醫療影像資料進行符合AI訓練需求的資料處理與編譯,並將開發可自動分析判讀醫療影像AI演算法,以問題解決導向,且能實際應用於醫療場域協助解決臨床問題為目標。

歷經1年的努力,目前已建置4萬6450個案例的醫療影像,包括:心臟冠狀動脈疾病、腦轉移瘤、原發性腦瘤、聽神經瘤、肺癌等疾病之電腦斷層、血管攝影、磁振造影或X光等15項影像資料集,其中1萬7950個案例標註疾病資訊,未來將持續擴充。

科技部「醫療影像專案計畫」團隊開發的診斷技術,其中臺灣大學團隊針對心臟血管疾病,透過AI自動將冠狀動脈結構與心肌血流功能融合;臺北榮民總醫院團隊針對腦部疾病,以AI自動偵測顱內轉移腫瘤,輔助醫師做診斷;臺北醫學大學團隊針對肺癌影像,透過深度標註與AI模型開發來協助肺癌病理分類、診斷與預後預測。

為激發出更多的創新應用,以擴大資料價值、提升資源投入效益,醫療團隊建置的醫療影像及標註資料,將匯入國家高速網路與計算中心(國網中心)平台,提供其他研究團隊與資料建置團隊合作,進行醫療衛生目的之學術研究。

科技部指出,資料在匯入國網中心前及提供利用前,都將做去識別化處理,保護資料當事人之隱私;醫療團隊並已建立當事人動態同意機制,透過資料利用前對當事人之告知、資料利用情形之資訊回饋、當事人可選擇退出資料利用等作法,保護個資當事人之資訊自主權。

科技部陳良基部長表示,臺灣醫療人才輩出,醫療技術深獲國際社會的肯定,是臺灣引以為傲的成就。現在透過智慧醫療影像資料庫的建立,以及醫療AI之研發與應用,將可為這樣豐富寶貴的臨床醫療經驗,創造更大的價值,利用臺灣醫療優勢創造另一個臺灣優勢。

(旺報 )

#醫療 #影像 #資料 #ai #團隊