AI醫療》長庚用5000張X光片訓練AI辨識骨折　準確度高且已克服「移地」使用問題

傳統醫師要判斷骨折病人的骨折位置，都是用X光或電腦斷層，但人體有些部位包括骨盆及胸部的骨折，因為比較複雜，所以不容易精準的判斷。長庚醫院利用AI技術，用5000張骨盆X光片訓練AI進行辨識；尤其長庚訓練AI的方式並不侷限部位，而是先教會它骨折的樣態，再去教它人體解剖位置，如此一來，它不但可判讀骨盆骨折的位置，判讀身體其他部位的位置也有很好的表現。研究報告曾登上自然（Nature）期刊的子刊「自然通訊（Nature communications）」。

一名工人從高處落下，導致右大腿骨折，血壓一直不穩定，外院找不到正確病因，只能進行輸液和輸血治療，但病人狀況還是沒有起色，轉送至長庚時已呈半休克狀態。此時醫師立即調閱外院X光片，並利用該院AI人工智輔助診斷，發現病人另外還有左側股骨骨折，以及左側恥骨骨盆骨折。

辨識是否骨折並不是那麼容易

林口長庚外傷急症外科教授主治醫師廖健宏表示，由於骨盆內有許多大血管，若持續出血患者隨時會致命。因此，林口長庚外傷團隊馬上安排後續檢查及血管攝影，找到出血點，即時止血，病人血壓馬上回穩，隔日接受手術，一周後平安出院。

廖健宏指出，這個例子顯示，有些骨折位置比較不容易錯位，要辨識是否骨折除非是經驗豐富的醫師，一般來說並不是那麼容易。以股骨骨折為例，由於股骨頸位在大腿骨與骨盆的交會位置，不比大腿骨骨折可以一目了然，所以就很需要AI判讀的幫忙。

林口長庚外傷急症外科中心當初訓練AI辨識骨折位置，雖然一開始只使用該院為期10年5000張的骨盆X光片，但因長庚的訓練方式不同於一般醫院，只侷限於特定部位的單一病灶，而是先教會它認識「骨折」，包括各種全身其他部位的線型、長骨、短骨、邊緣骨、脊椎骨骨折的樣態。如此一來，這套AI程式除了可以判讀骨盆腔內的髖骨、股骨、脊椎骨、坐骨以外，也能同時判讀全身其他部位的骨折位置。

有趣的是，研發人員利用骨盆X光教導AI辨識的第一個骨折位置是髖骨，而非骨盆；原因是髖骨骨折的人一定需要手術，此時AI就就可以直接學到所謂骨折的黃金標準，就是髋骨骨折的樣態。

長庚最新研發，準確率已高達80%以上

廖健宏說，不過這只是第一步，因為對於重傷的病人，醫師一定會拍的兩張X光片，除了骨盆， 還有一張則是胸部X光片，因為只要照這兩張，幾乎就已涵蓋整體身體的重要器官。然而若是你用骨盆X光片判讀骨盆部位的骨折，準確率大約可達95%，但若用骨盆X光片判讀胸部骨折，準確率大概就只有60%，因此研發人員開始針對AI進行「轉移訓練」，即直接訓練AI透過胸部X光判讀胸部骨折，結果準確性果然大幅提升到近90%。

廖健宏補充，如果外傷病人的傷勢嚴重，除了導致骨折的風險，還有可能危及肝臟、腎臟、脾臟等重要器官之虞，林口長庚醫院會進一步將病人送進加護病房（ICU），然後利用患者的血壓、心跳、心電圖等生理指數，訓練（AI）予以判讀。判斷標的包括病人6個小時之內體內出血的機率、接下來2天內發生腎衰竭的機率，以及12小時內衍生敗血症的機率。

這套加護病房AI判讀系統，是長庚的最新研發，準確率已高達80%以上，「其實這套系統的準確率也很難再大幅推進了，因為例如AI判讀某病人6小時內胸腔內臟器會出血，醫療團隊就會立刻設法予以止血，如此一來造成的結果彷彿是AI判讀『失準』，但其實醫療團隊要的就是AI的準確預判，讓原本極可能發生的併發症不要發生。」

值得一提的是，長庚這套以AI輔助外傷影診斷的系統，在院方的大力支持下，一開始的目標就不僅僅是立足台灣而已，而是著眼於跨國運用。

已克服「移地」使用準確性降低問題

而一般AI程式在「移地」使用時，都會有準確性降低的問題。但長庚的這套AI系統卻克服了這個問題。主要是他們將這套系統拿到不同國家使用時，都一定會做一些參數的調整，例如特別強調骨折裂開部位的參數。所以這套AI系統不但在長庚各院區落地，在其他國家如美國史丹佛醫院、波士頓醫院、約翰霍普金斯醫院和新加坡樟宜醫院等醫院使用，其診斷辨識度依舊讓人滿意。

身兼美國外傷學會國際委員的廖健宏強調，接下來他們還要推動一個臨床的大型試驗，地點橫跨美國、紐西蘭、瑞士等地，因為之前測試的幾家國外醫院都有一定的規模，雖然長庚的AI輔助外傷影像診斷系統頗受肯定，但所屬醫院醫師多半經驗豐富，相較於AI，有時他們可能會更相信自己的臨床判斷。(推薦閱讀)AI醫療》產學合作AI辨別骨折新舊傷高準高效　雲科大及大林慈濟登上國際期刊

所以，這起大型試驗的目的是想測試在醫療資源相對缺乏的地方，長庚這套AI系統是否能幫上更多的忙，讓「TAIWAN CAN HELP」不僅僅是句口號，同時也能讓台灣與長庚醫院在醫療人工智慧的強大實力，真正在國際間展露頭角。