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：
【文章轉載請註明出處】
