摸不到的「骨髓增生性腫瘤」 導入AI精準揪出兇手

導入AI技術,其原理好比上傳照片到社群平台,透過自動人臉辨識系統,顯示或標記照片上的人物是哪一位朋友,林口長庚紀念醫院解剖病理部副主任莊文郁表示,AI技術不僅可以認臉,也可以辨別極度困難與複雜的細胞了!

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,種類多、臨床症狀相似,病理切片與突變特徵有高度重疊,且切片結果通常以肉眼判斷,以往一次判讀時間超過30分鐘,還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。林口長庚紀念醫院,與知名科技廠、藥廠攜手,將「AI技術」導入醫學,並以38萬個數位化玻片作為資料庫,輔助診斷MPN,縮短判讀時間、減輕負荷量並提升精準度,幫助患者及早發現病情,並接受治療。

MPN非固態腫瘤 靠血液分析才能診斷

骨髓增生性腫瘤,是罕見的血液癌症,是因骨髓中產生過量的紅血球、白血球或血小板,依據2016年世界衛生組織的分類 ,又可分為原發性血小板增多症(ET)、真性紅血球增多症(PV)、原發性骨髓纖維化(PMF),其包含早期骨髓纖維化(pre PMF)及顯著骨髓纖維化(overt PMF)四類,不同種類各有不同的預後及治療方式。

林口長庚紀念醫院血液科郭明宗醫師表示,目前在臨床上面臨的最大挑戰不僅是治療,其實從「診斷程序」就開始。因為「骨髓增生性腫瘤」,沒有明顯可觸及的腫塊,通常患者求診時可能是因為無症狀的血液相異常,或是因疾病引起的其他症狀或併發症,如出血、中風或是脾腫大等,無法直接看出原疾病為何。因此必須以骨髓病理切片,透過血液檢查數值中抽絲剝繭,進行診斷,2016年世界衛生組織也已將骨髓切片做為診斷的必要條件之一。

38萬玻片「數位化」 成為AI辨識腫瘤模型

然而病理切片判讀的複雜度,超乎一般人想像,林口長庚紀念醫院解剖病理部副主任莊文郁解釋,醫師必須仔細評估各種造血細胞在顯微鏡下的數量、形態及空間分布,才能得到精準診斷,但以人工判讀較不客觀且難以量化,各醫師經驗不同,診斷也會有差異,尤其對經驗少的醫師來說,更是高難度。若導入AI技術,其原理好比上傳照片到社群平台,透過自動人臉辨識系統,顯示或標記照片上的人物是哪一位朋友,莊文郁表示,AI技術不僅可以認臉,也可以辨別極度困難與複雜的細胞了!

 林口長庚紀念醫院解剖病理部主任陳澤卿指出,院內每月有高達上萬筆的病理玻片需要判讀,因此亦將病理玻片「數位化」,並已累積超過38萬片,成為AI研究開發的基礎,透過龐大的數位病理資料庫,讓AI進行深度學習與訓練,發展出一套可辨識骨髓增生性腫瘤的模型,大大提升判讀方便性、準確性,彌補各醫師間經驗上的差異,並減輕大量病理玻片的判讀負荷量,最關鍵的是可以幫助病患及早發現、及早治療,避免轉化為預後較差的疾病或嚴重併發症。

▋延伸閱讀

▋推薦影音

▋關注我們

Back to top
copy sharing button