【醫療影像AI實例：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。