【台北訊】集結三方優勢齊心破解MPN:龐大數位病理資料庫+AI技術+創新醫藥

Written by on 2021-09-16

21世紀是AI人工智慧科技時代,從金融、教育到醫學領域,處處可見AI技術之應用。雲象科技與台灣諾華首度攜手林口長庚紀念醫院,跨界打造血液病理AI輔助判讀應用,將AI技術運用於血液病理診斷。血液癌症難以早期察覺,以骨髓增生性腫瘤(myeloproliferative neoplasm,簡稱MPN)為例,因其種類多、臨床症狀相似,以及骨髓病理切片與突變特徵有高度重疊,故過往以人工鑑別診斷不容易,需仰賴經驗豐富的臨床血液科醫師及血液病理次專科醫師。若沒有及時提供準確的骨髓切片判讀結果,恐會延誤治療時機,進而影響病患存活率!

骨髓增生性腫瘤種類多醫師傷腦筋 林口長庚玻片判讀量大為AI導入最佳人選!

林口長庚紀念醫院解剖病理部陳澤卿主任指出,該院每月有近萬個案例、高達上萬筆的病理玻片需要判讀,病理團隊每日皆須面臨龐大且急迫的病例,為了能及早且精準幫助病患確診,林口長庚已全面將病理玻片數位化,為全台少數完成跨院區病理科數位化的醫療院所,可大大提升判讀方便性。目前林口長庚數位化玻片已累積超過38萬片,以每玻片0.1公分計算,堆疊高度達380公尺,相當於126層樓高,其為AI研究開發的絕佳基礎!此次合作透過龐大的數位病理資料庫,運用AI進行深度學習與訓練,期望能發展出一套可辨識骨髓增生性腫瘤的模型。

針對病理切片判讀,林口長庚紀念醫院解剖病理部莊文郁副主任進一步解釋,林口長庚骨髓切片主要是由血液病理次專科醫師進行判讀,而其判讀的複雜度遠超乎一般人所能想像,病理醫師必須仔細評估各種造血細胞在顯微鏡下的數量及形態,特別是巨核細胞的形態特徵、數量及空間分布,才能得到精準的診斷。以人工進行判讀,難以取得客觀量化的結果,且會存在不同診斷者間的差異,特別是對於該疾病較不熟悉或經驗較少的醫師會更難判讀。郭明宗醫師以早期世界衛生組織尚未明確分類時為例,曾有20%的患者原先被診斷為原發性血小板增多症(ET),後續分類後重新診斷為原發性骨髓纖維化(PMF),顯示其診斷的困難與複雜性!

跨界集結三方指標性領導者 齊心破解『MPN謎題』! 

改善患者生活品質與延長存活期是各界對於癌症治療的共同目標,諾華腫瘤(台灣)總經理陳喬松表示,身為全球製藥領導者,自第一代標靶治療到目前最創新的細胞基因療法,諾華持續為癌症治療創新里程碑。同時,亦致力運用資料科學以發展先進藥品,運用大數據分析及AI數位科技是諾華重要的策略方向。目前血液腫瘤的早期診斷仍有未被滿足的需求,此次攜手雲象科技及長庚醫院,正是諾華企業宗旨「重新創想醫藥未來以改善並延長人們的生命」的實踐。期望結合三方優勢,能幫助更多血液腫瘤病患及早診斷並接受治療,降低疾病惡化的風險,延續病患的生命並提升生活品質。

雲象科技創辦人暨執行長葉肇元醫師也指出,血液疾病的診斷與治療相當困難,然而因病患數不如其他器官癌症,故新技術如AI較不會第一時間應用在血液疾病上;不過,對血液疾病來說,以形態學為基礎的病理診斷扮演關鍵角色,而型態辨識正是AI在醫療上能有最大發揮空間的面向。雲象科技自2018年起,陸續與台大醫院、林口長庚醫院、奇美醫院,分別進行骨髓抹片細胞型態辨識、淋巴瘤型態診斷及預後分析等血液疾病AI的應用,所累積的技術與應用開發經驗,挹注於開發「骨髓增生性腫瘤」AI輔助判讀與病理診斷。展望血液病理的發展,葉肇元表示,相信在AI輔助下,型態診斷的重要性會再次提升,和近年備受矚目的分子及基因診斷相輔相成,進一步強化血液疾病診斷以及治療的品質。

「血癌診斷醫時俱進 跨界引領AI新紀元」記者會專家合影(左起葉肇元醫師、莊文郁副主任、陳澤卿主任、郭明宗醫師、陳喬松總經理)