回首頁LOGO按鈕

眼底鏡影像偵測糖尿病視網膜病變

根據國家衛生研究院「2019台灣糖尿病年鑑」統計，國人糖尿病盛行率超過9.32％，糖尿病人逾220萬人。其中，糖尿病會併發各種血管病變，是成年人失明主因之一。故糖尿病人每年至少進行一次眼底攝影檢查，預防因嚴重糖尿病視網膜病變，造成視力受損。

隨著糖尿病人與日俱增，接受篩檢的可近性也不足，導致無法於第一時間將病人轉介至眼科專科給予即時治療。為使臨床作業更為順暢 (協助家庭醫學科、新陳代謝科、內科等第一線醫師診斷糖尿病視網膜病變) ，並且降低病人失明風險，本院人工智慧中心與專業眼科醫師團隊合作開發糖尿病視網膜病變輔助診斷暨分級系統，依病灶嚴重程度區分3個級別。

系統表現：AUC (ROC曲線下面積) 0.986 (Grade 0) 、0.902 (Grade 1)、0.952 (Grade 2)，除糖尿病之外，本院亦積極開發其他眼底鏡病灶輔助判讀，如：青光眼。

臨床AI門診按鈕示意圖

眼底鏡AI輔助判讀流程

本系統應用場域更擴及南投縣信義鄉地利村之遠距會診，讓糖尿病人在診間做眼底鏡檢查，經過AI系統判讀給予醫師建議，同時會診中國附醫的眼科醫師即時看到病人的檢查影象及報告，診斷視神經盤有無異常。AI與遠距醫療的結合落實醫療在地化，為偏鄉病人提供醫學中心等級的醫療服務。

中國醫藥大學附設醫院投入南投縣信義鄉地利村並設立地利門診服務

AI輔助急性心肌梗塞臨床決策支持系統與AIoT遠距應用 (智救心)

心臟病是台灣第二大死因，也是全球多數先進國家的前三大死因，其中急性心肌梗塞尤為嚴重。根據健保署2018年統計，當年有4.8萬人因心肌梗塞就診，且每8位病人中就有1位未滿50歲。面對最危急的ST段上升型心肌梗塞(STEMI)，國際醫療準則建議從病人抵達急診到完成心導管氣球擴張(Door-to-balloon time，D2B)的時間應在90分鐘內。然而，由於部分病人症狀不典型，加上未能即時判讀心電圖，常導致錯失黃金救治時機。

為解決此問題，本院人工智慧中心與心臟血管中心合作開發了「智救心：STEMI院前遠距輔助診斷系統」。此系統結合QT medical公司的PCA 500可攜式心電圖儀器，讓救護技術員在第一時間抵達現場時，就能在救護車上進行AI判讀，並將心電圖和分析結果即時傳送給心臟科醫師查看，為搶救生命爭取寶貴時間。模型表現優異，準確度達99.7%。

「智救心」系統已在台中、南投52個消防分隊實施，已協助超過800位救護車上的病人，成功識別36位STEMI危急個案。實施AI分類系統顯著減少了D2B時間，增加了急診室內D2B時間少於90分鐘的比例。

此外，本院與澎湖縣政府進行策略聯盟合作，將智救心系統導入澎湖縣消防隊與衛生所組成的「菊島守心鏈」，協助第一線醫護人員加速緊急通報流程。

▲ 根據研究，急性心肌梗塞病人及早打通阻塞冠狀動脈能顯著降低死亡率(JAMA, 2005;293:979)

▲ 透過雙層的LSTM模型進行心肌梗塞診斷，搭配ASAP分數篩選不典型症狀的病人，精準及早診斷急性心肌梗塞病患

骨齡AI輔助判讀與身高預測系統(已技轉長佳智能)

近年來，兒童身材矮小及性早熟現象越來越普遍，已成為兒童常見的內分泌疾病之一。

而在過去十年，或許因著環境及飲食習慣的影響，發現男女性開始進入青春期發育年齡，比起過去二、三十年前台灣本土資料，提前約1歲。加上台灣目前少子化的程度逐漸提升，家長對於兒童成長議題越來越重視。

由於骨齡不易判讀及偏鄉缺乏專科醫師可判讀的情形，開發出以承襲資深醫師的判讀經驗做為學習依據之輔助判讀軟體，能維持判讀準確率的一致性，並縮短大量判讀時間，以提供早期發現早期治療。

傳統放射診斷科進行骨齡評估之判讀

骨齡輔助診斷系統

適用2至16歲孩童及青少年的左手X光影像，推算出骨骼目前年齡，以輔助醫師檢視骨齡發展為正常、遲緩或過快，作為後續診斷及治療依據。傳統翻閱圖譜約需花費15 分鐘，而使用AI 自動判讀完成骨齡評估僅<1 秒，提升效率約97%

執行方式：

• 初期須有藉由小兒科醫師的協助標記手骨當Ground Truth
• 達到醫定準確率進行驗證，將AI判讀學習的Feature Pattern與醫師討論是否合適
• 透過醫師的即時回饋增加判讀準確率
• 透過深度學習應用於手部 X 光影像建置一套以國內影像資料庫為基礎的自動化骨齡判斷

​將已開發完成之自動化骨齡判讀輔助系統設置於臨床科醫師報告系統內，提供臨床科醫師即時檢視自動化骨齡判讀結果及結構化報告。並針對不同院所臨床使用流程進行優化，從一開始影像讀取，自動化骨齡判讀，到產出結構化報告之流程，確認該輔助判讀系統在臨床應用上的使用情況。

AI智能骨齡模型介紹：

染色體數量異常偵測

人體內有23對染色體（共46條），依長短、次序等，在醫學上被編列為第1號～第23號染色體。在醫學遺傳學上，染色體與基因扮演相當重要的角色，也對嬰幼兒死亡和先天殘疾有深遠影響。

利用染色體基因晶片檢測可診斷相關遺傳疾病，如染色體數目異常相關疾病有：唐氏症（第21號多一條）、艾德華氏症（第18號多一條）、巴陶氏症（第13號多一條）和透納氏症（失去一條X染色體）等。

由於傳統染色體檢測方式重人工作業、工時較長，相關醫療服務仍存極大提升空間。為解決上述染色體遺傳檢測的臨床問題，本系統利用大數據、人工智慧等技術，訓練顯微鏡下之基因影像，不僅可以快速排列出人體23對染色體，更可快速篩檢出有潛在異常的染色體 (如數目異常)。針對異常染色體提供AI結果報告予臨床專科醫師做進一步確認。

傳統判讀一例須2.5小時；而AI輔助完成一位病人的染色體核型分析僅須0.001秒即可產出報告，大幅提升染色體分析效率。當前系統準確率：92%。

染色體數量異常偵測與自動排列示意圖

『NCCT缺血性腦中風AI偵測系統』(人工智慧中心)

缺血性腦中風不僅重創病人生理功能，更可能奪走寶貴生命。儘管現代醫療擁有先進的電腦斷層技術，診斷過程仍面臨嚴峻挑戰：一般的無顯影劑電腦斷層（Non-contrast CT，NCCT）對急性缺血性腦中風的判讀敏感度不足，而較準確的腦部灌流掃描（CT perfusion，CTP）則需耗時15至30分鐘進行掃描及注射顯影劑，恐延誤搶救時機。更棘手的是，不是每家醫院都有CTP設備和專業判讀人員，加上部分病人因生理因素無法進行此檢查，迫使醫師必須憑藉有限資訊做出判斷，無形中提高診斷的不確定性。

本院人工智慧中心攜手神經部，成功研發「無顯影劑電腦斷層缺血性腦中風AI偵測系統」，僅需90秒就能完成急性缺血性腦中風的初步判定，還能即時視覺化腦部受損區域與計算缺血體積！對於體積大於70毫升的急性大血管阻塞，系統展現優異表現：準確率（Accuracy）82%、敏感度（Sensitivity）68%、特異性（Specificity）95%，突破傳統人工判讀極限。

本系統最大突破是：只需一般電腦斷層（NCCT），無需注射顯影劑，即可在90秒內協助醫師快速判讀大血管阻塞（LVO）！不只為病人省下傳統CTP檢查30分鐘的寶貴時間，更讓未配置CTP的區域醫院也能即時判讀，快速判斷轉診決策，真正落實急重症醫療零時差！
 

本院AI中心研發的「無顯影劑電腦斷層腦中風偵測系統」在協助篩選急性大血管阻塞的病人方面，展現卓越成效！
 

『長佳智能－腦出血檢測系統』(長佳智能開發)

據統計，每年全球腦出血的發生率為每100,000人有24人，其中，在亞洲族群的發生率更高達每100,000人就有51.8人。本案使用深度學習演算法，自動分析成人非造影頭部CT影像，識別具有提示急性腦出血(ICH)特徵的影像，向 PACS/RIS工作站發出警報。幫助醫師優先排程，為具有急性顱內出血 (ICH) 特徵的病例，進行臨床評估和分流。可精準識別有無腦出血及五種顱內出血，含：硬腦膜上出血、硬腦膜下出血、蜘蛛網膜下出血、腦實質出血及腦室內出血。 本產品不僅可快速識別可疑的急性腦出血，更可立即通知關鍵發現，使醫師能在關鍵救援期間，及時處置，讓病患更早得到醫療照護。模型表現：腦出血判讀準確度（Accuracy）達98%、敏感性（Sensitivity）達95%、特異度（Specificity）達95%。