【SNQ見聞】臺北榮總:AI只花30秒就能自動從數百張MRI影像找出腫瘤!準確率達95%

今年初,臺北榮總掛號網站上的科別清單上,骨科、神經外科和心臟科旁,悄悄出現AI圖示,臺北榮總AI輔助門診正式開張,甚至還有一個單獨的AI輔助門診類別。

臺北榮總開始用AI來輔助醫生進行複雜的醫療影像診斷,以神經影像AI輔助門診來說,臺北榮總打造了一套AI系統DeepMets,可以協助判讀腦轉移瘤的核磁共振共振造影(Magnetic Resonance Imaging,MRI)。

腦轉移瘤是指病患的癌症細胞已經轉移到了腦部,屬於重症疾病之一,參與DeepMets開發的臺北榮總放射線部主任郭萬祐指出:「腦轉移是判定癌症期別的關鍵,」確診後必須採取與癌症初期截然不同的治療方式,比如標靶治療或加馬刀手術等。

郭萬祐解釋,腦轉移瘤的病患以肺癌患者居多,過去,病患進行第一次門診和MRI進階檢查後,得等待5至7天,先由放射科醫生製作正式MRI診斷報告後,再進行第二次門診,才能決定治療決策。整個過程,往往要耗上一個月,病患更是等待得心急如焚。

為何MRI報告這麼花時間?一般傳統做法,醫生得從一系列數百張MR影像中,先找出腫瘤開始出現的那一張影像,在圖中手動標註出腫瘤區域,完成後繼續進行下一個深度的MR影像,依序標記到最後一張有出現腫瘤的MR影像後,就可以透過軟體來估算涵蓋這一批MR影像的腫瘤大小。這個過程所需的時間,視腫瘤形狀和大小而異,平均要花30分鐘以上。若要再次詳細確認,還得花更長或好幾倍的時間。

如果可以縮短影像診斷時間,就能早一點決定治療方式,尤其是對癌症末期的病患,早一天確診,就等於多搶一天的生命。

深知其重要性,臺北榮總與臺灣人工智慧實驗室(AI Labs)在去年5月時,聯手開始打造這套DeepMets系統。

臺北榮總提供了1,300例已經標註過的腦轉移瘤影像,再由AI Labs負責建置辨識演算法模型。這一批現成已標記的腦瘤MRI資料,大大節省了AI模型訓練最花時間的前置作業。雙方每個月頻繁討論,經過不斷修改和測試,短短不到6個月,就訓練出了足夠辨識能力的模型。

郭萬祐解釋,快速建置出DeepMets的關鍵是1993年引進的加馬機設備,可以利用鈷六十光來消除腦內深層的腫瘤,進行免開顱手術。不過,加馬機手術前,得透過MRI和立體定位術,找出腦瘤的立體座標,再靠電腦計算照射部位後,才能啟動加馬機,將201道鈷六十光束定點照射於腦瘤上,使其退化。

正因為加馬刀手術需要精準定位,為治療需要,臺北榮總醫生群從當時起便在MRI上標註每個病灶位置。26年下來,累積了8,000多例,種類涵蓋了聽神經瘤、原發性腦瘤、腦轉移瘤、腦下垂體瘤及血管畸形等等。而臺北榮總加馬刀手術累積出的精準標註的影像,正好在這波 AI 浪潮中發揮作用,順勢而進。

 

只要30秒就能圈出病灶,還能自動算體積

郭萬祐解釋,一位病患接受一次腦部MRI 掃描,會產生數百張各式切面的影像,而這些影像會傳送至醫院的PACS(醫療影像儲存與傳輸系統)上,再由醫生判讀。現在,醫生可以從PACS點選DeepMets,讓AI自動判讀MRI。

「只要30秒,就能從數百張MRI中標示出病灶位置、自動計算出腫瘤體積。」郭萬祐強調,DeepMets大大縮短了判讀影像的時間,也能作為醫生的第二參考意見。醫生要是認為系統偵測結果不正確,也可以手動修正,來持續訓練模型。

AI輔助診斷系統帶來的改變,不只如此。病患進行MRI進階檢查之後,放射科醫生就能根據AI輔助診斷系統的初步數據,快速製作報告。病患可以早一點決定,要由放射專科醫生或原專科醫師,來進行腦轉移瘤診斷、癌期別判定及治療方針,可以大幅縮短就診次數與等待時間。郭萬祐強調,醫生還能花更多時間給予病患關懷,並討論最佳治療策略。

根據臺北榮總今年4月最新統計的AI輔助診斷成果顯示,DeepMets判讀腦轉移瘤的準確率,已從先前的80%提高至95%以上。臺北榮總希望未來通過測試和法規核准後,能有機會大規模部署於其他醫療院所。

 傳統人工標記腫瘤  傳統標記MRI腫瘤位置,有賴醫生手動檢視數百張MR影像,一張張圈選位置(圖中手指處),全部完成後,電腦才能進一步估算腫瘤大小。 攝影/洪政偉

 AI輔助判讀腫瘤  醫生可以直接從PACS系統中,將資料傳送到DeepMets系統進行判讀,只要30秒就能標示出病灶(如圖綠色框線),並計算出腫瘤體積。 攝影/洪政偉

 

發展醫療影像AI的優勢

「臺灣具備健全的醫療體系,」郭萬祐點出,健保不僅提供了格式統一的資料庫,還帶來了親民的就診費用,降低了醫療影像掃描和檢查門檻,民眾使用頻率高,再加上「臺灣擁有全球先進的醫療設備,」因此,累積出大量高品質的醫療影像。他認為,這些優勢是臺灣醫療影像AI的一大推力。

在臺北榮總眼中,醫療影像AI可以解決醫療業2大痛點,也就是專業人力吃緊和醫療資源城鄉差距。郭萬祐解釋,在醫學中心,醫療影像AI系統能提供醫生第二意見,縮短影像判讀的時間;而用於地方醫院,民眾不需要千里迢迢奔波至醫學中心,也能享有同水準的診斷服務,這正是臺北榮總發展醫療影像AI的起心動念。

臺北榮總也自2017年起參與科技部發起的醫療影像巨量資料庫計畫,成立臨床AI影像診療決策研究團隊,結合北榮資深醫生和學術團隊,利用自家保留超過14年、大於6億張的影像資料庫,來研發醫療影像AI的應用。

 

醫療影像只是北榮醫療AI的一步

AI醫療影像輔助診斷,只是智慧醫療的其中一步。為發展全方位的智慧醫療,臺北榮總也成立智慧醫療委員會,來推動相關專案,聚焦於醫務行政、精準醫學、醫學影像、醫學教育、大數據,還有病房及病人照護等6大領域。

例如在醫務行政上要將醫療管理AI化,醫療教育方面則要用AI產生病歷。另外,今年初也成立臺北榮總大數據中心,參照健保資料庫的資料結構,檢驗數據也遵循國際標準碼編制,便與健保資料庫和其他醫學中心的資料接軌,來進行更多研究。

郭萬祐提到,今年初他到歐洲參加歐洲放射學會會議時發現,未來醫院智慧化格局已是相當熱門的議題。比如將病理部結合放射線部,使用同一套PACS 系統,讓醫生在製作MRI報告的同時,也能查閱病人的數位病理與基因檢測結果;或是製作病理報告時,能清楚知道標本的出處與相關臨床資訊,進而在決定治療策略時,能完全掌控診斷的資訊,實現更高品質的精準醫療。

在臺灣,郭萬祐認為,跨醫院部門的調整和磨合還有一段路要走,但北榮已經意識到數位病理的重要性,今年也將加碼投資病理數位化的基本架構建設。

 

資料來源:iThome 王若樸

 

SNQ認證通過的醫療院所和護理照護服務類相關項目:

國立台灣大學醫學院附設醫院 ( 台北市 )

 

 

 

 

 

 

 

 

 

 

 

                 

 

 

 

 

資料彙編:SNQ推廣中心

 

 

 

 

    

或於臉書搜尋