2023第三屆

字級:
小字級
中字級
大字級

創設數位病理平台 AI成肝臟影像分析利器

研發服務平台亮點成果獎─特優獎

使用平台:國家高速網路與計算中心「台灣杉二號AI超級電腦」

近二十年來,癌症時常名列台灣十大死因的首位,其中肝癌更蟬聯癌症死因的前兩名,光是去年就有近8000人因肝癌逝世。主要原因之一在於台灣肝炎盛行,若有嚴重脂肪肝造成發炎,或罹患慢性B型肝炎或慢性C型肝炎,就有可能造成肝硬化,最後轉變為肝癌。因此如何精準診斷病情,並提供病患適宜的療法,是對付肝病的關鍵。

AI應用進入醫療場域

近年AI技術快速發展,不但造就出膾炙人口的ChatGPT,更推進了AI應用於科技業的蓬勃發展。這些亮眼成績也促使了將AI技術應用於醫療產業,輔助醫師分析診斷、進行病情預測,更為病患客製化醫療流程,朝向「精準醫療」發展,以降低不確定之風險、減少醫療負擔。本項研究主要著眼於此而發展AI技術,將其應用於肝病之輔助分析,尤其是肝炎及肝癌之量化分析,裨益肝疾病診斷治療之效能,長久目標為整個健康醫療領域帶來嶄新的診斷治療機會。

國立成功大學電機工程學系(簡稱成大電機系)特聘教授詹寶珠從早期就開始研究AI中的類神經網路技術,因此深知AI的潛力,並希望能夠實際應用所學,「我希望研究能確實對社會有所貢獻,將我的專業應用在醫療、健康照護提升,這樣的成果將永遠不會有後悔的一天。」

詹寶珠自博士畢業後,從美國回到成大電機系任教,便開始與成大醫院胃腸肝膽科的醫師合作,從肝臟影像開始做起,一路往醫療照護相關方向發展。詹寶珠指出,「過去由於電腦運算能力、儲存資源都不足,無法使用大量資料發展AI。近幾年如NVIDIA公司的持續開發,已大幅提升電腦的運算能力。」現今AI已能透過演算法自動學習、辨識特徵,可以跳脫人的思考限制,讓AI能夠做到許多過往難以想像的事情。

數位病理實現精準醫療

AI在醫療應用上,仍有一塊目前較少為人關注,但卻是頗為挑戰的缺口,就是數位病理影像的分析。詹寶珠觀察,即使資訊科技進步,醫療系統高度數位化,但因掃描器、龐大儲存空間等因素,目前臨床上病理切片診斷仍以實體玻片為主,醫院尚未投入病理影像的數位化、檔案化。傳統上要登打病理切片報告,醫師需透過顯微鏡以不同倍率視野來觀看切片的各個位置,以判斷病情狀況。而肝臟病理組織切片檢測屬於各種組織切片中較為複雜者,因為要觀察的病理組織影像特性較多樣,打報告的病理醫師通常需要經過相關的專業訓練。

除此之外,目前病理組織切片報告,由於完全依賴醫師肉眼觀察,其報告大多以定性或是半定量為主,難以達到精確量化,更容易因為個別醫師經驗差異,造成報告量化及診斷之差異。病理組織由於可以觀察到細胞層級,能提供腫瘤更豐富多元的組織訊息,在腫瘤精準診斷和治療扮演重要角色。而要讓病理組織發揮腫瘤精確診斷和治療之任務,目前首要任務是讓AI參與,提供AI病理組織各種更精確的量化與分析計算。

詹寶珠團隊創建的病理AI模型訓練,對於不同醫療院所的病理切片能提供較穩定的分析效能詹寶珠團隊創建的病理AI模型訓練,對於不同醫療院所的病理切片能提供較穩定的分析效能

國網中心成ALOVAS發展助力

ALOVAS除了幫助醫師分析醫學影像,還能時常用於研究團隊之間的溝通與討論,只需透過兩台電腦,雙方就能在ALOVAS上即時線上交流討論病例狀況。而ALOVAS能夠順暢運作的關鍵之一,便是與國家高速網路與計算中心(簡稱國網中心)的合作,「由於數位病理影像很大,高達幾十GB,分析上需要很多運算資源與儲存資源。」

詹寶珠表示,國網中心為ALOVAS平台提供了龐大的運算資源、儲存空間與頻寬,讓病理影像能夠快速儲存與分析、高效訓練病理AI模型,同時省去實驗室購買昂貴設備的經費。另外,由於ALOVAS處理的醫療影像較為隱私,國網中心能夠確保整體系統環境的資訊安全,防止資訊被破壞或盜取。甚至當平台運作效果不如預期時,國網中心的專業人員也會積極提供技術建議、提供程式碼修改建議,以調整出在國網中心進行高速運算的平台最佳運算環境。

透過ALOVAS平台,順暢與醫師交流,有利於優異的AI模型開發透過ALOVAS平台,順暢與醫師交流,有利於優異的AI模型開發

聯邦式代理訓練機制造就更好的AI

ALOVAS在創建過程中受到眾多人士的幫忙,除了國網中心的技術與資源投注,詹寶珠十分感謝國科會所給予的計畫支持、校方的支持、計畫團隊成員的努力,以及許多醫師提供寶貴的意見與資料,才能順利持續發展平台,並在臨床上獲得驗證。

不僅用於肝臟影像分析,詹寶珠更期待ALOVAS能夠用於動物實驗,藉由評估動物實驗的結果,來找出藥物開發的方向。ALOVAS也正與國網中心和NVIDIA合作進一步拓展平台功能,並發展「聯邦式代理訓練機制」,期望號召各醫療院所、研究單位實驗室共同合作,建構出高度安全的雲端空間,能夠在彼此共享珍貴的醫學資料時,依然完善保護資料的隱私性。這些豐富資料在整合後,就可以進一步訓練出更好的AI模型,最後提供給所有參與單位分析使用。

詹寶珠的團隊下一步亦會逐漸擴充分析平台,朝向更多組織切片分析,例如消化道、腸、胃等病理影像發展,讓更多病患得以受惠。詹寶珠深切認為:「除了讓醫療影像判讀更快更精準,更重要的是,病患能夠因此得到妥善的看顧與治療。」特別是罹患腫瘤一類的嚴重疾病患者,能否因此得到更有效的治療過程,才是這個平台的終極目標。