林口長庚醫院聯手雲象,要利用院內數位化的病理切片資料,來一起打造血液病理AI判讀系統,輔助判讀骨髓增生性腫瘤。

圖片來源: 

螢幕截圖

臺灣數位病理公司雲象與林口長庚紀念醫院今(16日)宣布共同聯手,要打造一套骨髓增生性腫瘤判讀AI,解決血液科長久難治的診斷難題。他們正一方面收集資料,一方面標註資料,同時,雙方也聯手國際知名藥廠諾華,要提供相關治療方法。這是雲象繼前三年聯手臺大醫院、打造世界第一套骨髓抹片資料庫和自動分類計數AI後,再一次挑戰另一道血液病理科難題。

什麼是骨髓增生性腫瘤?為何連病理科醫師都公難判斷?

林口長庚紀念醫院血液科郭明宗醫師指出,骨髓增生性腫瘤是一種血癌,原因是骨髓產生過多血球,導致血球數異常。根據WHO說明,骨髓增生性腫瘤可分為4類,包括真性紅血球增生症、原發性血小板增生症、骨髓纖維化和顯著骨髓纖維化。

不管是哪種類型的骨髓增生性腫瘤,患者所表現的症狀,都類似於日常生活發生的症狀,難以立即區分。郭明宗指出,這就是「特異性低」,比如,原發性骨髓纖維化的症狀有體重下降、注意力不集中、疲勞、易有飽足感等,而原發性血小板增生症則有疲勞、夜間盜汗、手腳麻痛等症狀,至於真性紅血球增生症,則表現出頭暈、視力受影響、呼吸困難、牙齦出血等症狀。

為了精準診斷疾病,世界公認的作法是透過骨髓病理切片來判斷,WHO也將此列為診斷必要條件。如此,醫師才能針對不同類型的骨髓增生性腫瘤,提供最適合的治療,如放血、口服標靶藥物、抗血栓藥物等。

但是,這類切片判讀存在極大難度。林口長庚醫院解剖病理部副主任莊文郁解釋,病理科醫師必須在顯微鏡下,仔細評估各種造血細胞的數量、型態,甚至是空間分布狀況和臨床資訊,才能得到精準的診斷。

也因此,「骨髓增生性腫瘤被視為困難診斷的血液疾病,」莊文郁說。而且,人工判讀很難取得客觀量化的結果,這對經驗較少的醫師來說,就更難判斷。

林口長庚聯手雲象,要打造血液病理AI加速骨髓增生性腫瘤判讀

不過,這情況可借助數位病理AI來輔助。

莊文郁表示,透過林口長庚多年累積的病理切片資料和醫師標註,可訓練出一套血液病理AI模型,來辨識造血細胞的型態、特徵,以及空間中的細胞數量和分布狀況,輔助醫師判讀。

如此,醫師就能得到更客觀一致的量化標準,提升診斷準確率、彌補經驗落差。此外,病理AI也能減輕醫師判讀大量玻片的負荷,更能加速臨床流程,協助醫病及早發現、及早治療。

為打造這套AI,林口長庚聯手在病理AI耕耘多年的雲象。雲象執行長葉肇元指出,雙方目前收集了96例骨髓增生性腫瘤切片案例,也正一邊標註這些案例,一邊收集更多案例。接下來,他們將用這些資料,來訓練AI判斷細胞佔比、分佈和形態等特徵。

這也是雲象繼2018年打造出世界最大、涵蓋60萬顆的骨髓抹片資料庫和自動計數AI後,再度挑戰的另一道血液科病理難題。在國內,雲象也有不少病理AI成果,像是與北醫研發全玻片判讀技術、實現骨髓膜片AI全自動化,或是與林口長庚開發脊椎特徵量化分析AI、淋巴結數量判斷等。

全院病理數位化政策,奠下林口長庚病理AI基礎

「林口長庚是全臺最忙的醫院,每天都有近萬筆病理切片要診斷!」林口長庚紀念醫院解剖病理部主任陳澤卿說。為加速病理科醫師作業,也為了讓醫病及早發現問題、及早治療,早在2018年,林口長庚就制定了一項適用於全體系醫院的關鍵政策:要將全院病理切片玻片數位化。

這項政策啟動至今,林口長庚已完成院內38萬片玻片的掃描。「這些玻片堆起來比臺北101還要高25樓!」陳澤卿點出,玻片數位化不只能省下病理科醫師傳統判讀的時間,還有助於長庚跨科數位遠距診斷的方便性。去年,林口長庚也打造了淋巴瘤診斷及疾病預後預測,今年則要發展骨髓增生性腫瘤判讀AI,來解決血液科病理難題。


熱門新聞

Advertisement