最難診斷血癌?打破2成延誤魔咒 台灣成功用AI揪骨髓增生性腫瘤 - 匯流新聞網

HEALTH

最難診斷血癌?打破2成延誤魔咒 台灣成功用AI揪骨髓增生性腫瘤
最難診斷血癌?打破2成延誤魔咒   台灣成功用AI揪骨髓增生性腫瘤

匯流新聞網記者陳鈞凱/台北報導

骨髓增生性腫瘤有多難被診斷出來?根據統計,曾有20%的患者因此延誤第一治療時機。林口長庚醫院今(16)日宣布已將AI技術運用於血液病理診斷,利用其身為全台少數完成跨院區病理科數位化的醫療院所的身分,下一步可望能發展出一套可辨識骨髓增生性腫瘤的模型,用人工智慧助攻血液腫瘤的及早診斷。

林口長庚此次是與台灣諾華、雲象科技合作,把AI技術結合林口長庚龐大數位病理資料庫的優勢,運用AI進行深度學習與訓練,辨識骨髓玻片中細胞的形態、特徵與空間分布的情形,提供更客觀且量化的數據,輔助病理醫師進行高效且精準的診斷。

面對骨髓增生性腫瘤,過去醫師都得扮偵探找線索,一旦判讀錯誤恐影響治療進度!林口長庚醫院血液科醫師郭明宗表示,骨髓增生性腫瘤是一組罕見的血液癌症,會導致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(WHO)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。

骨髓增生性腫瘤臨床上常見3種基因突變,不過,確切罹病原因仍不明,醫界認為,後天的基因變異、環境因素等,都有可能是致病因子,但現在臨床上最大的挑戰不只是治療,而是從診斷就不容易。

郭明宗說,偏偏單以人工進行判讀,難以取得客觀量化的結果,且會存在不同診斷者之間的差異,特別若對於該疾病較不熟悉或經驗較少的醫師會更難判讀,以早期WHO尚未明確分類時為例,就曾有20%的患者原先被診斷為原發性血小板增多症,後續分類後重新診斷為原發性骨髓纖維化,凸顯面對該疾病的診斷困難與複雜性。

還好有AI幫手,林口長庚醫院解剖病理部主任陳澤卿指出,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,目前已累積超過38萬片,為AI研究開發提供基礎,此次合作就透過龐大的數位病理資料庫,運用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。

莊文郁形容,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,可輔助醫師進行快速且精準的判讀,有助改善患者生活品質與延長存活期。

照片來源:林口長庚提供

更多匯流新聞網報導:

出生3個月內少做這件事 新手爸媽小心孩子從此「聽」不見世界

中秋當心!一旦腹痛、腹瀉及胸悶… 小心已經吃出「烤肉病」

【文章轉載請註明出處】

 


R18