AI輔助！破解「最難診斷癌症」　醫師不必扮偵探「一掃就揪出犯人」

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，所以擁有「最難診斷癌症」的封號。

林口長庚醫院血液科郭明宗醫師表示，骨髓增生性腫瘤臨床上常見3種基因突變，然而確切罹病原因尚在研究中，後天的基因變異、環境因素等皆為可能致病因子，目前在臨床上面臨的最大挑戰不僅是治療，其實是從診斷程序就開始！

郭明宗醫師說，骨髓增生性腫瘤為血液增生性疾病，病患不像其他實體腫瘤疾病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、併發症如出血、中風等，無法直接看出原疾病為何。所以醫師們必須扮演偵探，由許多相類似的症狀、血液檢查數值等中抽絲剝繭，列出可能的兇手疾病名單，最關鍵的證據即為「病理切片判讀」。

不過，病理切片的解讀非常複雜，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。

雲象科技與台灣諾華首度攜手林口長庚醫院，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，可輔助醫師進行快速且精準的判讀，不僅可彌補判讀經驗多寡的結果差異，也可減輕大量病理玻片的判讀負荷量，最關鍵、重要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。

林口長庚醫院解剖病理部陳澤卿主任指出，林口長庚每月有近萬個案例、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。

此次AI技術合作的概念就好比日常上傳照片至社群平台，平台會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，林口長庚醫院解剖病理部莊文郁副主任打趣地說，隨著時代與醫療的進步，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！

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。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。