世界首創骨髓抹片AI後又一擊，雲象聯手林口長庚再挑戰血液科病理難題！

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。