雲象、林口長庚聯手，挑戰用AI抓出「最難診斷」血液癌症
人工智慧（AI）應用逐漸成熟，已經能在觀察視網膜病變、腫瘤圈選等面向協助醫師診斷。而這一次，AI要挑戰難度升級的血液癌症。
林口長庚紀念醫院、雲象科技、台灣諾華三方昨（16）日共同宣布，將在林口長庚打造「血液病理AI輔助判讀應用」，透過客觀量化的數據，輔助病理醫師做出「骨髓增生性腫瘤」（myeloproliferative neoplasm，簡稱MPN）診斷。
MPN是一種血液癌症，會讓骨髓產生過量的白血球、紅血球、血小板，導致血球數異常。
世界衛生組織將MPN分成4類：
1. 真性紅血球增生
2. 原發性血小板增生
3. 骨髓纖維化
4. 顯著骨髓纖維化
普遍來說，MPN常見會有疲勞、夜間盜汗、搔癢、注意力不集中或呼吸困難等症狀。嚴重時，如骨髓因為纖維化而無法正常運作，就會轉由脾臟等器官接手造血，而脾臟會因此變得腫大、壓迫到周遭器官。MPN甚至有機會演變成急性白血病，導致死亡。
正因為MPN症狀「缺乏特異性」（指症狀在許多疾病都會發生），因此實務上不易診斷。
林口長庚紀念醫院血液科醫師郭明宗表示，MPN因為沒有可觸及的腫塊，或是因疾病引起的其他症狀，像是出血、中風等，因此要需仰賴骨髓切片做出正確判斷。
林口長庚紀念醫院解剖病理部莊文郁副主任解釋，醫院會先替患者做骨隨穿刺取得身體組織切片，接著由病理醫師在顯微鏡下透過玻片檢查，評估各種造血細胞的數量及形態，特別是巨核細胞的形態特徵、數量及空間分布。
「通常判讀一個案例需要約半小時，而時間還不是最大問題。真正難度在於MPN的病例少，加上還有基因突變帶來的差異，資淺醫師不容易做出正確判斷。」莊文郁說。
「AI應用不能少了玻片數位化。」林口長庚紀念醫院解剖病理部主任陳澤卿說，林口長庚每月有近萬個案例、高達上萬筆的病理玻片資料，而為了更有效率地完成判讀，因此致力於病理玻片數位化，目前累積超過38萬片，可跨5個院區透過雲象的數位病理系統管理玻片。
雲象科技創辦人暨執行長葉肇元醫師指出，血液疾病病患數不如其他器官癌症，因此第一時間不會有太多AI應用。不過，雲象自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應用，加上目前已成功標注96例患者資料，並且累積優化資料，看好AI能有效提升血液癌症的判讀精準度。
責任編輯：蕭閔云
【熱門焦點】