【醫療影像AI實例：北醫附醫】全球首建肺癌病灶語意描述資料庫，要開發兼具準確度和高精細度的AI系統

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。」