人工智慧

在台灣國立清華大學研究先進的 3D 影像和人工智慧時，研究人員發現了一個令人興奮的潛在應用：幫助病理學家以更快的速度和更好的精準度診斷癌症腫瘤。他們獲得了大學的許可並成立了一家新創公司，稱為捷絡生物科技股份有限公司，但很快發現醫院還沒有準備好採用這項技術。

大多數病理學家仍然透過肉眼檢查組織樣本並做手工記錄，這是一個耗時數小時的辛苦過程。很少有人改用數位 2D 或 3D 影像分析，部分原因是傳統上這需要安裝昂貴、複雜的圖像設備。

醫療保健領域中的電腦視覺

儘管醫生的眼睛受過嚴格的訓練，但他們並非總是能正確掌握重要的細節。腫瘤樣本很複雜——每個樣本都包含 10 到 30 個參數，必須對其進行分析以確定細胞是否為癌細胞、它們分裂的速度以及與正常組織相比它們看起來是健康或是不健康等因素。

捷絡生物科技技術長 Jarvis Yu-Chieh Lin 表示：「要求多名病理學家分析同一組織樣本的研究發現，診斷之間存在 20% 到 30% 的分歧。」「這意味著患者可能會收到有關其疾病狀況的錯誤資訊，而延誤適當的治療。」

誤診對患者來說是非常痛苦的。他們可能會錯過一個好的時機，讓他們更早地使用最好的藥物來對抗癌症，或者接受他們可能不需要的化療。

為了在不花大錢的情況下提高診斷能力，林先生和他的同事著手建立一種邊緣解決方案，該解決方案可以快速發現和消化比病理學家所能看到的更多資訊，而無需安裝昂貴的圖像設備。

在病理學中使用人工智慧 3D 影像

經過三年的開發，捷絡生物科技創造了一個原型，即 MetaLite 數位病理邊緣解決方案，它可以在一到兩分鐘內分析每個組織樣本參數，而使用標準電腦則需要一個小時。該解決方案使用搭載 Intel^® 處理器的邊緣運算裝置以及透過 Intel^® OpenVINO^™ 工具組部署的客製化人工智慧演算法。大多數醫院的掃描器都可以輕鬆地為該軟體進行設定，該軟體還可以讓醫生在工作時加入註釋（影片 1）。

病理學家可以選擇即時查看一些參數並保存其他參數以供之後使用。來自掃描和邊緣裝置的資料會發送到醫院的伺服器，在那裡可以用人工智慧於夜間詳細分析數百個參數，第二天早上就可以查看結果。

人工智慧模型是在許多來源累積的大量資料集上進行訓練。他們處理的資訊量太大，人類無法消化，但演算法可以快速處理並使用這些資訊對組織樣本進行分類，並對疾病的進程做出推斷和預測。

「醫生很難對某些參數進行徹底分類。當人工智慧進行運算時，它會為醫生提供一個刻度或量尺，以便他們在判斷影像時使用，」林先生解釋道。

人工智慧洞察力可以幫助醫生提高診斷準確性並開發更好的治療方法，林先生相信並提到，「如果我們有好的人工智慧輔助工具，病患的存活率和存活時間可能會提高。」

人工智慧分析對醫學研究人員也很有幫助，使他們能夠發現癌細胞的新特徵並更進深入瞭解它們的運作方式。「演算法可以從影像中挖掘出更多資訊並進行艱難的分析，提供有關形態和蛋白質生物標記特徵的更多資訊，」林先生說。

目前，台灣台北榮民總醫院和馬偕紀念醫院的研究人員使用 MetaLite 來辨識癌症組織的新生物標記，並且更精確地計算腫瘤面積。一旦該平台取得台灣衛生當局的核准，醫院計劃將其用作診斷工具。

製藥公司也可能受益於人工智慧組織分析，用它來確定哪些病患最有可能從即將進行臨床試驗的藥物中受益。

透過聯合學習擴展醫療保健領域的人工智慧

隨著醫院擴大人工智慧在病理學中的應用，他們取得的資料將用於訓練未來的人工智慧模型，進一步提高準確性。透過稱為聯合學習的過程，醫院現在可以安全地與他人共享影像資料，同時將敏感的病患資料使用限制在自己的伺服器上——這種功能在以前是不可能實現的。捷絡生物科技正在開發支援聯合的新版本軟體。

「藉由聯合學習，資料將更快地累積，進而提升人工智慧並提高速度和資料一致性，」林先生說。「在病理學中使用人工智慧將推動精準醫學，幫助醫生改善診斷和治療，並讓製藥公司能夠更快地開發新藥。」