國內首個跨院所醫療影像標註資料庫上線，加速醫療影像的AI應用

人工智慧(AI)的應用遍地開花，在醫療產業也是如此，例如Google運用電腦視覺技術和深度神經網路演算法，從患者的視網膜眼底醫療圖像中，辨識出糖尿病的視網膜病變，而在國內也有相關的應用，科技部啟用第一個跨院所的醫療影像標註資料庫，未來將提昇重大疾病的醫療影像AI辨識準確度，造福更多的病人。

科技部今天(12/26)與臺灣大學、臺北榮總和臺北醫學大學三大醫療團隊，共同宣佈國內第一個跨院所的醫療影像資料庫正式啟動，集結三大團隊的醫療人員以人工標註醫療影像資料，涵蓋腦、心、肺的重大疾病的醫療影像標註資料，未來可供其他研究、醫療團隊運用，加速AI在醫療產業的應用。

主導這項計畫的科技部長陳良基表示，醫療影像產生大量的數據，醫護人員往往花費許多時間在分析這些數據，而人工智慧在數據分析上可以扮演關鍵的角色，讓幾百張的CT掃描影像，重覆性的工作，由人工智慧來幫忙，有助於加快醫療人員對重大疾病的判斷，例如從大量的醫療影像中快速瞭解病灶的所在的位置，讓醫生專注在治療上。

科技部是在去年10月啟動「醫療影像專案計畫」，除了臺大、北醫、榮總三大醫療團隊外，也和臺大、臺科大、交大、中央大學等學校的AI研究團隊合作，結合醫療人員標註影像資料，訓練AI模型的資料處理及編譯，開發能夠自動分析醫療影像的AI演算法。

這個醫療影像標註資料庫經過一年的時間，集結了46540個病例的醫療影像，超過500萬張的醫療影像，涵蓋腦轉移瘤、原發性腦瘤、聽神經瘤、肺癌、心臟冠狀動態脈等重大疾病的醫療影像，包括X光、血管攝影、磁振造影、電腦斷層等共15類的醫療影像資料，其中將近1.8萬個病例標註了疾病資訊。

該資料庫蒐集的醫療影像資料均取得病人的同意，同時為了符合GDPR的當事人資料自主權，同意蒐集資料的病人可以動態選擇退出，所有影像資料經過匿名化處理，由國網中心負責維運資料庫，三大醫學團隊定期上傳標註資料。

三大醫療團隊也展示了運用醫療影像標註資料的成果。其中北醫整合了北醫附醫、萬芳醫院、雙和醫院的醫療影像團隊，為資料庫提供上萬筆的臨床醫學影像資料，涵蓋腦、心、肺的影像資料，其中對肺的CT影像作AIM的深度標註，運用AI模型協助對肺癌的病理分類、診斷及癒後預測。

北醫展示病理人員對肺癌的切片分析，由病理人員標註6萬X6萬的高解析度切片影像情形：

臺大則針對心臟血管疾病，以AI自動將冠狀動脈、心肌血流融合，協助研究容易造成猝死的心肌梗塞等重大疾病。

臺北榮總則提供腦及骨科方面疾病的醫療影像標註資料，並和交大、AI Labs合作AI演算法，將AI的醫學影像分析應用在四方面，腦內轉移腫瘤、心房顫動預測模型、青光眼診斷、壓迫性骨折。

利用AI判讀醫療影像判別疾病的有或無：

其中對青光眼的AI醫學影像診斷，由於判斷有無青光眼，準確率達到91.97%，而辨別黃斑部病變成因準確率初步也可達85%以上，骨折診斷可辨識骨折位置、骨質疏鬆程度，而在腦轉移瘤的MRI影像辨識上則較為複雜，AI需要判斷並標註出腫瘤的病灶位置及範圍，準確率也有89.85%。在大量影像資料基礎下，北榮喊出了AI門診就緒的口號。

臺北榮總展示將腦轉移瘤的MRI影像送到AI系統判斷後，AI以綠色圈出病灶，再由專業醫生人工再次檢視，若有遺漏病灶之處，由醫生以人工圈出，再送回神經網路重新訓練，逐漸提高AI對病灶的判別準確性。

科技部表示，每個疾病案例的不同醫學檢查，可產生數張到數百張的醫學影像，過去依靠醫師以人工判讀分析，構成相當大的工作負擔，未來根據醫療影像標註資料開發出AI分析工具，能以自動的方式協助醫生判讀醫學影像，除了加速影像資料判讀、精準度，也能降低病人檢查花費的時間及醫療支出，同時對人力不足的偏鄉醫療也有幫助。