工研院開發國產糖尿病視網膜病變AI系統,除了能標示4種病徵位置,也可輔助非眼科醫生判斷病變嚴重程度,以及是否該將病患轉診至眼科。

圖片來源: 

攝影/王若樸

近年來,世界各地吹起一波醫療影像AI浪潮,比如Google 3年前就用了近13萬張眼底圖,開發一套糖尿病視網膜病變AI診斷系統,可快速判斷病變程度,準確率還與人類醫生相當。隨著這波風潮,工研院更在2年前,就著手打造國產糖尿病視網膜病變AI輔助診斷系統,最近也公開揭露成果。工研院這套系統,不僅能將視網膜病變的嚴重程度分為5級,讓醫生能依此進行恰當的治療方式,還可以標示出4種肉眼難以辨識的初期病徵位置,讓病患及早發現問題、及早治療。工研院更表示,這還是「目前國際上唯一可偵測4種主要病徵並清楚標示位置的AI技術,」連Google糖尿病視網膜病變AI系統都沒做到。

工研院糖尿病視網膜病變診斷輔助分析技術計畫主持人李雅文說,打造這套系統的動力,是因為目前「全臺眼科醫生只有1808位,但臺灣365個鄉鎮市區,超過半數沒有眼科醫生在執業,」因此,工研院決定開發這套AI輔助診斷系統,來協助非眼科醫生(比如新陳代謝科、內分泌科、家醫科等醫生)進行眼底圖判讀,並判斷糖尿病患是否該轉診至眼科,提高糖尿病患視網膜病變的早期篩檢率。

也因此,2017年時,工研院向國內3家醫學中心取得31萬張眼底圖,同時通過人體試驗委員會(IRB)認證、確保取得的資料是安全且沒有問題的。經過資料前處理之後,工研院便請了50位眼科醫生來標註影像。

不過,由於這項專案的目標之一,是要輔助病患早期篩檢,但早期病徵非常微小,像是微細血管瘤(Microaneurysms)、出血(Hemorrhages)等,而且在一張眼底圖中(如黃線標註處),這類病徵才11像素左右,「我們花了很多心思在這一塊,」李雅文說,因為病徵非常微小,一般影像標註工具難以標示,工研院還特別開發了一套標註系統,來給醫生使用。

而影像標註,是建立機器學習模型基準(Ground Truth)的重要過程,如果基準不準確,模型也無法準確預測。但在標註影像時,每位醫生對眼部病變的判斷難免有異,為解決醫生意見分歧,工研院安排3位醫生共同標註1張眼底圖,當前2位醫生對病徵或病變嚴重程度持不同意見時,就由第3位醫生來仲裁,或是協調2位醫生的看法,取得一致結果或是採用多數決方式決定。

後來,工研院使用醫生標註好的10多萬張眼底圖,來訓練AI模型。在訓練過程中,工研院研究團隊也不斷根據訂定的效能指標,來調整模型,完成後再部署至場域中,進行實際操作。但在實作過程中,團隊發現,操作結果與當初醫院給予的報告仍有落差,因此又得重新訓練模型,再一次評估與調整。

現在,這套糖尿病視網膜病變診斷輔助AI系統,可偵測4種主要病徵,包括微細血管瘤、出血、軟滲出物、硬滲出物(Microaneurysms、Hemorrhages、Soft Exudates、Hard Exudates),而且能標示出這些病徵的位置,方便醫生與病患解釋病變情況。李雅文強調,自家研發的糖尿病視網膜病變AI系統,可說是國際上唯一一個能標示出病徵位置的糖尿病視網膜病變AI系統。

偵測病徵後,這套系統也會依此來分類病變程度,包括0至4級(No DR、Mild NPDR、Moderate NPDR、Severe NPDR、PDR)共5類,準確率已達85%以上。此外,該AI系統也有2分類模型,根據病變程度來建議是否要應轉診至眼科。

李雅文提到,工研院這套糖尿病視網膜病變AI,還需連同軟體開發文件一起送至衛福部食藥署(TFDA)來查驗登記,之後才能上市販售。工研院目前也正尋找醫療器材行,為未來的技術商轉作準備。文◎王若樸

 


Advertisement

更多 iThome相關內容