研發服務平台亮點成果獎─佳作獎
使用平台：國家高速網路與計算中心「LIONS生科雲平台」

癲癇是一種歷史悠久的疾病，曾經困擾過許多名人，例如梵谷、拿破崙、貝多芬等人。一旦罹患癲癇，就可能出現肌肉不規律抽動、心神紊亂、短暫失神，嚴重者甚至會失去意識，對於生活造成極大的困擾。

臺北醫學大學醫學院人工智慧醫療碩士在職專班副教授彭徐鈞解釋，癲癇發作來自於腦神經細胞的不正常放電，原因可能是先天性遺傳，或是後天腦部受傷、中風、退化等因素。根據流行病學統計，癲癇在全世界的盛行率大約佔總人口的0.5~1%，台灣則約有20萬人罹患癲癇。由於現代醫學的進步，大多數癲癇病患已能夠透過藥物、調整作息等方式善加控制，過著與一般人無異的生活。

正子攝影訊號辨識困難

臺灣約莫有三成病患屬於「頑固型癲癇」，亦即病患服用兩種抗癲癇藥物持續兩年以上，都無法有效控制病情，此時就需考慮施作手術來切除發作區域。癲癇的發作源頭可能位於不同的大腦皮質區域，其中一種常見的類型稱為內側顳葉癲癇。

在進行內側顳葉癲癇手術之前，醫師會進行非常嚴謹的準備，例如記錄腦電波、拍攝磁共振造影來觀察大腦結構是否異常，同時檢測記憶、IQ與正常人的差異，並常會採用一種醫療影像技術「正子攝影」，來偵測大腦裡的葡萄糖代謝程度。彭徐鈞指出，在癲癇發作區域的葡萄糖代謝程度通常較低，所以獲得的訊號也會較低，因此可從影像中判斷出發作區塊。

由於內側顳葉癲癇病患的發作區域有可能位在左側或右側，針對這一類單邊發作的病患，正子攝影能夠協助醫師確認病灶位置，同時配合磁振造影、神經機能檢查、腦波檢查的結果，來決定要對左側或右側進行手術。不過，正子攝影針對左右側顳葉的判斷上有個棘手問題：當左右側顳葉的訊號十分接近，例如兩邊訊號都很高，或是都很低時，就很難僅憑肉眼判斷影像差異。

影像辨識是AI強項

近年來AI技術的革新，讓彭徐鈞為這類癲癇影像找出新的契機。

彭徐鈞自碩士時期開始研究訊號與影像處理方法，並因為對大腦神經網絡模式具有濃厚興趣，而開始將工程技術投入醫學領域。他長期觀察病患與正常人之間的大腦結構、功能、代謝上的差異，在研究癲癇、缺血性腦中風的神經影像過程中，他看見臨床醫療所面臨的困境，而AI具有龐大的潛力，能夠有效解決這些臨床需求。

其中一次與臺北榮民總醫院癲癇科的醫師討論進度時，彭徐鈞便發現醫師在判讀正子攝影時，常會有無法判讀左右顳葉訊號差異的問題。「影像辨識與分類是AI的強項。」彭徐鈞認為，若將AI導入到正子攝影，就有機會大幅改善癲癇影像的判讀精確度。

彭徐鈞使用AI深度學習中的「卷積神經網路技術」，將搜集而來的影像輸入AI模型，讓AI自動尋找影像中的有用特徵。在過往卷積神經網路技術尚未崛起之前，使用AI判讀醫療影像時大多會採用機器學習技術，而使用機器學習時必須人工標記病灶大小、型態、紋理等特徵，或需考量病患基因、性別、年紀等，並將這些特徵轉化為數值輸入AI。但人工標註特徵難免會陷入個人思考框架，而影響到AI判讀的效果。若透過卷積神經網路，AI能夠找出臨床尚未發現過的特徵，讓判讀效果更佳。

彭徐鈞在研究中搜集了近100名病患的正子攝影葡萄糖代謝影像，交由兩位資深癲癇科醫師及一位核子醫學科醫師採用傳統方式判讀時，彼此共識的正確率大約是74.6%，也就是仍然有1/4的病患無法從影像中辨識左右顳葉訊號的差異。而利用彭徐鈞AI模型所建構的「qPET」軟體後，實際輔助診斷十多位病患時，影像判讀的正確率達到100%。

這套AI模型之所以準確，除了研究團隊選擇了正確的腦區域來進行訓練，此模型還能精確地自動分割出腦影像中的各個結構，讓研究者得以觀察感興趣的區塊。當中，彭徐鈞團隊利用高解析度的磁共振造影全自動分割與正子攝影影像，並以個別病人全大腦的灰質正子反應量平均值來作為模型判別的標準。彭徐鈞強調，「在進行AI的建模時，給電腦絕對正確答案，就會訓練出好的模型。」為了確保答案正確，彭徐鈞不使用人眼所獲得的判讀結果，而是採納過往癲癇病患切除顳葉的術後狀況，或接受過立體定位腦電波手術、已明確定位的案例，做為模型訓練的黃金標準，將影像匯入AI模型中進行訓練，才得以大幅提升正確率。

國網中心提供充足運算資源

彭徐鈞訓練AI模型時發現，訓練過程比想像中更不容易。在將大腦影像匯入AI模型之前，需要先針對影像進行前處理。大腦中有許多功能各異的腦區，如何辨識大腦影像中何處是海馬迴、杏仁核，或是癲癇可能發生的顳葉區域，是研究中的一大重點。

彭徐鈞採用了標準腦圖譜（透過顯微鏡、神經科學等方式來定義出大腦各區的功能或結構），並將標準腦圖譜轉移到每個病患的腦空間上，來藉此定位出病患的大腦腦區。然而每位病患的腦大小、形狀都相異，因此需要利用一種非線性轉換的方式來使標準腦圖譜符合病人的頭型結構。「這個轉換運算非常花時間，在普通電腦上一筆病患資料要花兩小時，而我們這項研究用了一百多筆病人數據，所以運算時間非常久。」彭徐鈞嘆道。

為了能加快這個過程，彭徐鈞使用國家高速網路與計算中心（簡稱國網中心）所建構的「LIONS生科雲平台」，把資料直接上傳到平台，由超級電腦處理，原本花兩小時才能運算完畢的資料，縮短至15分鐘，短短幾天內就可以完成所有資料處理作業。另外，在訓練AI模型上，原本動輒超過一星期的的建模時間，因為有了國網中心的資源，不但縮短運算時間，也讓模型判讀正子攝影的葡萄糖代謝影像時更為精確。而除了節省時間精力，國網中心也讓學術團隊以親民的價格使用研發服務平台，使彭徐鈞團隊得以專注於訓練AI模型，不必擔憂購置高端設備的龐大成本與維運負擔。

在未來，彭徐鈞希望能夠透過正子攝影的葡萄糖代謝影像，進一步預測癲癇手術後的狀況，並將核磁共振影像、腦波資訊以及臨床變數都納入AI模型，幫助醫師得到更準確的診斷結果。彭徐鈞很感謝有國網中心的資源協助，使得醫療判讀有了突破性的發展，也期許未來有更多醫師人員一同投入研究，使用國網中心的資源，讓這塊領域持續發展前行。