北醫附醫影像部主任陳震宇表示,北醫醫療AI的下一步是打造AI醫院,不只設立AI研究中心,展開20多項相關研究,更在研究所培養AI人才,並開始改善醫院的IT基礎架構。(攝影/洪政偉)

癌症是臺灣十大死因第一名,因癌症死亡的人數,2016年更創新高達到4萬8千多人,其中又以肺癌患者居多。治療肺癌的挑戰之一在於難以早期發現,因為得靠資深醫生從500張影像中,找出一個可能只有0.5公分大小的不規則狀病灶,才有機會更快展開治療。這正是臺北醫學大學醫療體系旗下臺北醫學大學附設醫院(簡稱北醫附醫)想利用AI來挑戰的課題,靠AI輔助醫生早一步發現肺癌。

及早發現肺癌病灶有多難?肺結節是判斷是否會發展為肺癌的重要指標,可透過肺部電腦斷層掃描(Computed Tomography,CT)檢查,來尋找病患肺部中的肺結節,再由醫生判斷良惡性。但每一位病人進行一次CT掃描,就會產生500張影像。

臺北醫學大學副校長暨北醫附醫影像部主任陳震宇指出,有經驗的醫生,初步檢查500張肺部CT,一次至少要花20分鐘,尤其肺部影像中有許多血管紋,這些「血管紋橫切面與肺結節十分相似,」因此,醫生檢視大量肺部CT影像時,就有可能忽略了肺結節的存在。但要多重複檢查幾次,得花上好幾倍的時間,如果病人一多,醫生更有可能因為長時間連續作業而有所疏忽。

不只標註訓練影像,還要建立全球第一個病灶語意描述資料庫

不過,要打造AI輔助診斷系統,得先備妥訓練用的影像資料。北醫附醫自2年前參與科技部的巨量醫療影像計畫起,就開始建置肺結節影像標註資料庫,找來10名至少有2年經驗的主治醫生,來標註病患肺結節CT影像。

為開發兼具準確度和高精細度的AI系統,北醫附醫不只標註病灶位置,還更費工地進行語意標註。陳震宇解釋,語意標註就是在病灶影像上,加上對病灶的文字描述,比如病灶形狀是否規則、屬於實質結節(Solid Nodule)還是亞實質結節(Subsolid Nodule)、周圍有無纖維化、有無鈣化、中心組織是否壞死等5種敘述,北醫附醫會列出所有描述的清單,再由醫生勾選符合的項目,而不用自行輸入。

「這種標註方法就是DICOM-AIM,」陳震宇指出, DICOM是指醫療數位影像傳輸協定,而AIM(Annotation and Image Markup)則是史丹佛大學提出的醫學影像標註方法,在標註病灶的同時,也加上語意敘述,用來訓練深度學習模型。結合這兩種作法來建立資料庫,目前還沒有任何一個國家做到,而北醫附醫正著手建立全球第一個。

截至今年3月為止,北醫附醫已經完成了1,500例肺結節病灶標註和語意標註,預計今年可以再多完成2,000例。陳震宇期望以此建立一套「Smart AI」,不只要能縮短肺結節篩檢時間,還能根據語意標註來產生一份初步報告,比如在影像上標示出肺節結位置,在旁以文字描述出診斷結果,像是右肺葉有顆5公釐的實質結節,形狀極不規則….等。如此一來,醫生只要針對這些特徵再行確認,即可完成報告製作。

發展影像AI 技術前,北醫附醫先累積資料,開發一套影像深度標註介面,以最高標DICOM-AIM方式來進行肺結節CT標註,目前已完成了1,500例,今年預計再新增2,000例。

除了肺結節,AI還可以協助診斷腦瘤與基因突變的關係

北醫附醫聚焦於肺癌分類診斷與癒後預測,而臺北醫學大學醫療體系下的臺北醫學大學(簡稱北醫)也有投入AI影像研究,著重於腦、心、肺等重要器官的病灶檢測,目前最新研究是要找出腦瘤與基因突變的關連。

陳震宇表示,腦瘤雖然以不同樣貌呈現,但腦瘤的生長,往往由基因突變主宰。某些特定的基因突變,對化療癒後反應非常好、病人存活率也更高,但要找出基因突變的關聯,需要開刀取出組織來進行基因檢測。這個作法,不僅所費不貲,還必須等待3至4周才能拿到檢測結果。

也因此,北醫與國家衛生研究院正著手進行腦瘤與基因突變的研究,要借助深度學習,來找出兩者之間的關係。北醫先取得腦瘤病患同意後,在手術時取出組織,免費進行基因檢測,同時將腦腫瘤影像交給研究團隊進行特徵擷取(Feature Extraction),並將這些特徵對照診斷結果與基因檢測結果,來進行關聯性分析,進而打造出一套演算法。北醫希望,未來只要輸入病患的腦部MR影像,就可以透過演算法來判斷腫瘤良、惡性程度,要是屬於惡性,還希望可以推論出可能存在的基因突變種類,進而預測癒後狀況。

在陳震宇看來,深度學習演算法備受矚目的原因,在擷取特徵時,「看得比人眼還仔細。」尤其斷層檢查影像由一點一點的像素組成,裡面還藏了許多肉眼看不見的特徵,比如像素間的立體形狀、體積架構等成千上百個可能的特徵,而深度學習正好可以捕捉這些細節。相較之下,人眼只能判斷出病灶位置、大小,以及與周圍組織的關係,或是開刀難易度和癒後狀況等。

這種利用深度學習影像分析來比對基因檢測結果的研究,正是一門新興的方法學──影像基因圖譜學(Radiogenomics)。北醫早就看好也投入了這個研究領域,去年更發表相關論文,探討如何應用影像基因圖譜學來進行腦瘤的5種亞型分類。

北醫要打造AI 醫院,從人才和基礎設施著手

「北醫醫療AI的下一步,是要打造AI醫院。」陳震宇表示,為推動將醫療AI化,北醫設置了AI研究中心,已累積超過20件AI醫療研究計畫正在進行。這些計畫不只關於醫療影像,還涵蓋了不同領域,像是精準睡眠醫學,利用AI和IoT來分析睡眠與生活習慣、飲食習慣、身體活動量和環境空污的關聯,以建立一套睡眠障礙預測模型,也要打造一套線上專家諮詢機器人CBTi-Like,來提供個人化管理睡眠。

或像是由北醫醫學科技學院院長李友專主持的AI用藥安全專案,透過AI技術來發展疾病、藥物和劑量之間的關聯性模型,來即早預防用藥錯誤,甚至還要利用AI來分析病人個性、辨識情緒,提高醫療關懷。

在醫療AI人才培育上,北醫去年也開辦了人工智慧在職專班訓練人才,要培養學生於醫學影像、醫療訊號、數位病理和智慧病歷4大領域的專業能力。今年招收了第一屆學生,「完全招滿,」陳震宇說,第一波學生大多為醫生、護理師等醫療人員。除此之外,北醫5年前也設立了大數據中心,來重整醫療巨量資料庫,促進大數據分析研究,以及提供跨國研究平臺。

不只如此,北醫也準備要改造醫院IT骨幹和架構,以符合AI應用為基礎的設計。陳震宇提到,目前醫院的基礎架構,並非以深度學習為而設計,比如主機仍使用速度不快的處理器、骨幹網路也未全面光纖化。「因為訊息的傳遞、資料的傳輸與整合,以及AI模型的自我學習,都仰賴良好的基礎設施。」他認為,唯有整合IT,才能讓醫院各個科部有效地使用AI系統,「這還得從基本改革開始。」


Advertisement

更多 iThome相關內容