雲象揭醫療AI產品選題心法，下一步攻基礎模型找出新突破

「打造骨髓抹片分類計數AI的難度非常高，不只是雲象代表作，也代表臺灣有能力做出世界級產品。」雲象科技創辦人暨執行長葉肇元話鋒一轉，「但說真的，就商業價值而言，一家新創公司這麼做不太好。」

這句話，道出了許多臺灣醫療AI新創面臨的困境。

以數位病理服務起家，後納入病理AI開發雙管齊下發展

雲象科技以數位病理平臺起家，後來主攻病理AI，雙管齊下發展，目前全臺已經進行病理科數位轉型的醫院中，有近七成採用了雲象的數位病理系統。這對一家2015年才成立醫療AI新創來說，這是非常不容易的成就。

所謂數位病理，是將傳統玻片樣本數位化，讓病理科醫師在電腦上直接查看組織切片樣本，尋找病變之處，不用像過去得用顯微鏡來檢視玻片。在這個數位化的基礎上，還能進一步發展病理AI，用經標註的數位病理影像來訓練模型，讓AI學會辨識特定疾病病徵或細胞，輔助醫師診斷。

數位病理和病理AI這2項應用，更有機會解決醫院臨床流程上的痛點。實體玻片樣本最大的麻煩是，民眾要去第二家醫院、取得醫師判讀病理切片的第二意見時，得請原檢查醫院，寄送玻片樣本到第二家醫院才行，這個過程漫長，還可能延誤最佳治療時機。玻片影像一但數位化，就能解決實體寄送問題，甚至，病患還更容易去國外就醫、取得第二意見。

病理AI則可以用來提高診斷品質。「一般民眾可能不知道，病理科的診斷敏感度不是百分之百，」葉肇元指出，病理科醫師辨識有患病者的能力並非100%，且在臺灣病理科醫師人力吃緊、診斷時間有限的情況下，其判斷力更容易受限。

雲象科技曾做過一項研究，探討病理科醫師對於胃癌淋巴結微小轉移敏感度。他們發現，臺灣病理科醫師的敏感度為81%，比世界水準高出許多，但這仍意味著，100個被癌症侵犯的淋巴結，還是有19個可能被醫師遺漏掉。若搭配AI輔助，雲象團隊發現，醫師的診斷敏感度可提升到96%。「這對病患來說，是個非常大的改變！」他說。

數位病理結合AI輔助，正是雲象科技成立的起心動念。

3大里程碑驗證技術和市場能力

早年，雲象科技以研發數位病理平臺起家。但葉肇元認為，醫院病理科的數位化若無AI加值，就難以推動轉型。因此，雲象自2017年開始發展AI，將自己定位為AI驅動數位轉型供應商角色，推出醫療影像AI建置平臺。2018年，嘗試於全玻片影像中辨識鼻咽癌組織成功後，很快地在隔年獲得長庚醫療體系青睞，銷出數位病理平臺，成為雲象第一個重要的里程碑。

他們在2018年，也悄悄地挑戰了一道世界級的難題，聯手臺大醫院血液科專家，要打造骨髓抹片分類計數AI。因為骨髓造血細胞是判斷許多血液疾病的重要因素，這項專案在醫學上非常有價值，但難度也特別高。過往最大挑戰是，這類細胞的計數，非常仰賴人工判斷，尤其需要經驗老道的專科醫師才能分辨，每一次判讀，至少得檢視500顆細胞才能更準確地判斷，一位病人至少得花上20分鐘。因為棘手，這類AI的應用在世界上非常少見。

為挑戰這個難題，團隊採用了臺大醫院近千例骨髓抹片影像，總共包含近60萬顆骨髓細胞，來讓院內資深血液科專業醫師和醫檢師標註，供AI模型訓練使用。不只如此，雲象自己還聘請30年經驗專家，成為內部標註人員，來協助模型發展。完成訓練後，他們測試，模型不僅能分辨15種細胞，還達到94％的正確率，並能將原本20分鐘的人工判讀時間，縮短為5分鐘。

他們在2020年正式發表了這款骨髓抹片分類計數AI，隔年取得衛福部食藥署TFDA和歐盟智慧醫材認證。在開發過程中，他們還建置了世界最大的骨髓抹片影像標註資料集，至今累積230萬次標註紀錄。

這是雲象的第二大里程碑，意味著雲象有世界級技術能力，來解決臨床需求。「這是個非常艱鉅的任務，」葉肇元指出，骨髓抹片分類計數AI的成功，不只要整合專家人力和龐大資料，還需要技術突破與溝通能力。因為，2017年，新一代深度神經網路架構Mask R-CNN問世，隔年，團隊就用來訓練骨髓抹片分類計數AI，要來解決困難的影像辨識問題。「這是非常新的嘗試，」他表示，團隊透過複雜的AI調校，終於成功發表骨髓抹片計數AI，成為一項新技術應用的突破。

在這項工程中，團隊還練就良好的溝通能力。因為他們聯手美國、日本血液科專家，不只面對日本專家需以日文溝通，還得時常舉辦專家共識會議，來取得骨髓細胞分類的共識。這個專案的成功，代表雲象有能力跨國溝通、取得多方專業共識。

緊接著2021年，雲象迎來第三大里程碑。那年，他們發表大腸鏡即時瘜肉偵測AI，這套AI自2018年開始發展、由臺大醫院和國泰醫院共同參與開發，使用了將近40萬張腸道內視鏡影像訓練而成，準確率達到95.8%。這套AI可在醫師進行大腸鏡檢查時，即時框出肉眼難辨的瘜肉，輔助診斷。這套AI系統，還在隔年獲衛福部TFDA智慧醫材認證，已能進入市場，成為大腸鏡檢查的幫手。

葉肇元將這套AI視為一大里程碑的原因是，不僅醫師認為大腸鏡即時瘜肉偵測AI好用，醫院也願意買單。因為，這款AI可用於民眾自費健檢項目，等於醫院導入後，可從民眾端回收成本，讓這款AI更容易發揮商業效益，是雲象取得市場需求和臨床需求平衡的代表作。

從第3個里程碑思考產品設計方向

大腸鏡即時瘜肉偵測AI的出現，讓雲象意識到，產品選題和設計導向，也有辦法兼顧臨床和市場需求。

由於臺灣既有健保制度，無法給付醫療AI，亦即就算醫院花成本導入、在診間使用AI輔助工具來提高診斷準確率，也無法透過健保申報取得回饋。這就造成，醫院採購成本難以回收，不只降低醫院採購AI系統的意願，也不利於醫療AI軟體廠商和新創生存，甚至對廠商投入研發、創新來說，難有正面幫助。

骨髓抹片計數分類AI就是一例。葉肇元指出，該AI鎖定即將確診白血病的患者，這類病患人數少，且醫療過程中幾乎不會有自費項目，大多是健保給付項目。因此，要說服醫院採購這套AI系統，就「有挑戰性。」

相較之下，大腸內視鏡屬於自費健檢項目，民眾本就願意自費進行大腸內視鏡檢查，若加上AI提升診斷品質，民眾也較有意願多出一些成本，來使用AI輔助診斷。所以，這套AI的商業機會比骨髓抹片計數分類AI要高，雲象也從中體悟到如何拿捏臨床與市場需求，「這是我們學到最重要的一課，」葉肇元說。

因應臺灣智慧醫材發展痛點提出3大建議

雲象是臺灣第一波醫療AI浪潮掀起時就成立的公司，一路發展至今，葉肇元觀察，在臺灣健保制度下，如何兼顧市場和臨床需求，不只是他們面臨的挑戰，也是臺灣發展醫療AI時，必須面對的課題。

他認為，有幾種方法可解決這個痛點。首先是提高健保預算總額，因為，臺灣目前的健保預算總額只占國內生產毛額（GDP）6%，不只低於鄰近的日、韓等國，也比多數已開發國家還低。

健保預算有限，又要將醫療AI多納入給付範圍，勢必會排擠其他基礎照護項目。葉肇元認為，以臺灣健保預算8千多億、占GDP 6%的條件來討論智慧醫材發展，相當奢侈，應先提高健保預算總額、填補基礎健康照護不足，比如解決缺藥問題後，再來談醫療AI等智慧醫材是否納入給付。「應該仿照韓國，將健保預算總額提高至GDP 8%，臺灣才能解決基礎照護問題，也才有餘裕發展智慧醫材產業，」他說。

不只從國家角度出發，從商業保險角度切入、建立外溢保單制度，也是另一種可行方法。意思是，保險公司可提供私人保單，來支付民眾使用醫療AI等智慧醫材項目，醫院可從中回收投資醫療AI的成本。不過，要做到這一點有許多挑戰，得先凝聚保險公司、醫院和智慧醫材廠商共識，建立計算基礎才行。

另一個建議是建立自費機制，來讓患者選擇付費使用AI輔助診斷。葉肇元指出，在流程上，醫院可申請自費碼，來處理患者自費項目，比如，外科醫師要替病人開刀前，可先告知患者，手術檢體送至病理科判讀時，患者可選擇自費，來使用AI來輔助診斷，得到更精準的結果。

下一步瞄準市場導向開發和AI技術發展

回到雲象本身，這2年來，他們的發展相對沉靜。但提起下一步計畫，葉肇元表示，他們瞄準健檢自費項目，要開發相關AI產品，同時也要持續運用在臺累積的開發技術和經驗，來拓展海外市場，特別是德國與日本。

因為，他們2022年從飛利浦等國際大廠中脫穎而出，獲得德國頂尖醫院圖賓根大學附設醫院的病理數位轉型標案，要導入雲象數位病理平臺與病理AI應用。在日本，他們則獲得製藥大廠小野藥品的投資，也有合作專案進行中。

除了市場布局，雲象也同步鑽研AI技術本身，特別是Transformer模型架構，要來探索以一套基礎模型為基礎、發展不同分支應用的可能。因為，雲象一直以來都針對不同專案，從零打造個別模型，發展起來較複雜。因此，他們希望從Transformer中，探索出下一個病理AI技術的突破口。

 CEO小檔案 

雲象科技執行長葉肇元

學歷：臺灣大學醫學系畢業

經歷：臺大醫學系畢業後，至美國南加州大學攻讀病理學博士，期間利用進階光學顯微技術研究組織發育細胞動態時，發現自己對電腦演算法應用於影像分析的優異效能印象深刻，遇見其提升醫療品質的潛力，於是離開學術界，回臺於2015年創立雲象科技，擔任執行長至今。

 公司檔案 

雲象科技

地址：臺北市南港區忠孝東路7段508號15樓

成立時間：2015年

主要業務：提供病理科數位轉型服務，包括數位病理平臺與病理相關AI產品，如大腸鏡瘜肉偵測、骨髓抹片分類計數等，並取得多項醫療器材認證

員工數：80人

網址：www.aetherai.com

執行長：葉肇元

 公司大事紀 

2016年：完成首項專案：全玻片影像循環腫瘤細胞電腦輔助偵測

2017年：與林口長庚醫院合作；推出醫療影像AI建置平臺

2018年：與匹茲堡醫學中心、臺大醫院、臺北榮總、長庚醫院等醫院合作，訓練多種AI模型

2019年：研究深度學習用於全玻片醫療影像分析

2020年：為臺大醫院、長庚醫療體系導入數位病理系統，與AI輔助診斷應用整合；發表骨髓抹片分類計數AI

2021年：骨髓抹片分類計數AI取得衛福部智慧醫材許可；發表大腸鏡即時瘜肉偵測AI和低劑量電腦斷層肺結節AI偵測；與臺灣諾華、林口長庚醫院合作進行血液癌症AI輔助診治研究；研發運用全玻片影像，免細節標註可直接訓練AI的技術，發表於《Nature Communications》

2022年：完成1億5千萬新臺幣A+輪募資；大腸鏡即時瘜肉偵測AI獲衛福部智慧醫材認證；於德國圖賓根大學附設醫院導入數位病理與AI應用；與國泰金控合作核保AI醫療影像應用

2023年：持續擴大國際合作、加強AI技術在臨床應用的研究與開發，特別是Transformer架構研究