臺北榮民總醫院致力於開發及優化更多醫學影像AI模型，提供更精確之醫療診斷，並開辦六項AI醫療輔助門診服務，在智慧醫療、精準醫療領域發展跨出重要的一步。
為提供病患更精準、更有效率的治療，全球各界正積極投入精準醫療、精準健康之列，也讓 AI 醫療影像的重要性日增。臺北榮民總醫院投入骨骼關節疾病、胸腔與腹部影像、眼科、腦及頭頸部等四大領域的 AI 醫療影像判讀，以腦轉移腫瘤之診斷為例，北榮團隊與台灣人工智慧實驗室共同開發的 DeepMets® 系統，可自動圈註 MRI 影像上的腫瘤位置及計算大小，準確率高達 96% ，醫師閱片時間也由人工的 5-10 分鐘縮減為 30 秒。
至於整合心臟超音波、電腦斷層及心內膜 3D 立體定位圖之影像資訊，開發出的 AI 模型，自動辨識有左心房的電腦斷層影像並圈註左心房，正確率可達 94%，且能建構左心房 3D 模型與計算體積。
臺北榮民總醫院院長許惠恒說，長久來，我們運用 AI 技術結合臨床資料、醫師經驗等，用於預測病患的癒後 、中風與死亡風險、治療方式等，已有相當豐厚成果，對我們發展智慧醫療、智慧照顧等帶來極大幫助。未來，我們將 AI 影像醫療、臨床醫療、基因等整合， 爭取資源投入AI研發，讓累積多時 AI醫療影像研究成果發揮更大效益。
AI 輔助門診上線 智慧醫療重大進展
身為台灣北部最重要醫學中心的臺北榮民總醫院，醫療品質向來有口皆碑，且近年來在 AI 輔助門診上有極大進展。如日前臺北榮總發表的即時血液透析 AI預警系統，根據洗腎機每秒產生的上百組參數，預測每位病友的心衰竭風險和乾體重預測，準確率達 90％。而即時警示功能，也讓第一線護理人員頻繁巡視與紀錄的時間，從平均 30 分鐘大幅縮減為 3 分鐘，使其有更多餘力照護病患透析的併發症和及時處置。
雖然臺北榮總在醫療AI模型開發有傑出成績，然過往都是專注在AI技術結合臨床資料、醫師經驗等領域，較少在醫療影像分析領域。關鍵在於 AI 經費預算有限，難以進行大量資料分析，也無法訓練出合適的 AI 模型。
臺北榮民總醫院放射部部主任郭萬祐表示，以往北榮在AI醫療影像領域，都是各個科別自行進行訓練，受限於欠缺高運算算力的電腦、跨領域的醫療影像研究，因此得到的成果並不理想。但在科技部支持下，讓我們能組成涵蓋陽明交通大學、中央研究院、台北護理健康大學等外部學研單位的跨領域團隊，也建置分析結果非常傑出的醫學影像 AI 模型。
北榮團隊開發可判讀 X 光影像(屬第一線篩檢工具)、診斷脊椎壓迫性骨折的 AI 模型，減少二線診斷工具（如：CT、MRI）介入之花費、等待時間及高輻射劑量等。在考量是否對影像資料進行前處理、患者骨質疏鬆程度等對 AI 模型調校後，準確度可達 92%。至於青光眼的AI 輔助影像診斷系統，北榮團隊已經運用院內的影像資料，及其他公開資料，如印度擔醫學中心視神經盤資料庫 進行驗證，準確率可達 95%。
由於所研發的 10 組 AI 模組分析能力非常卓越，目前臺北榮民總醫院已經允許部分AI模組進入臨床試用，並開設神經影像、神經外科（腦腫瘤 ）、胸腔腫瘤科、心房顫動電燒、脊椎骨折、青光眼等六診次的 AI 輔助門診。
兼顧法遵、資料保護 病患參與意願高
臺北榮民總醫院發展AI專案多年，深知保護病患隱私的重要性，早已依照個資法要求，讓病患簽署同意書。然參與科技部推動醫療影像資料共享政策，必須將醫療影像放在國網中心醫療影像平台中提供學術研究共用，因此更必須注意法遵的問題。在中央研究院王大為副所長與邱文聰研究員協助下，已設計一套符合個資法要求，也能讓病患退出研究的機制，為推動台灣智慧醫療產業盡一份心力。
「由於放在國網中心的共享醫療資料，都經過二次去識別化，輔以這套退出研究的機制，補強當事人對個資的自主，我們有信心可以在兼顧保護與尊重病患隱私的當中，同時進行醫學影像人工智慧研究。」郭萬祐解釋：「在此專案中，我們首次嘗試讓病患退出研究計畫的機制，結果退出率低於 2%，顯見只要做好資料保護工作，病患參與意願都會提高，對於北榮日後推動相關計畫會有極大幫助。」
持續擴大 AI 專案 全力爭取 TFDA 認證
北榮與陽明交通大學等組成的跨領域團隊，順利整合研發團隊資源共同進行技術研發，已開發 AI 影像關鍵技術，同時也在國際高影響係數的專業雜誌共同發表了 15 篇論文。在高品質影像與標註資訊的基礎下，專案團隊為確保 AI 模型的品質，投入許多資源在 Al 醫療應用發展與資料治理上，樹立一個可讓全國的醫院跟學術單位參考的典範架構。
許惠恒院長表示，我們目前已經有數個 AI 專案落地，我們也將全力將醫療影像AI研究成果爭取到 TFDA 認證，搶攻智慧醫材的商機。
郭萬祐部主任指出，當初團隊共同參與此專案的目的，是希望透過收集高品質的醫療影像、完成正確的標記註解，最後順利完成 AI 模型建立，以及 AI 應用與產出的工作，整體效益超乎預期。
未來，北榮研究團隊希望能持續投入發展資料標準化作業，透過產生高品質且高深度的影像，結合臨床數據整合的結構化報告，創造更有價值、更有溫度的智慧醫療服務。