日新創攜手倉敷中央病院開發「實體AI」；中國AI模型精準預測腫瘤存活
AI 在醫療領域有哪些新應用與發展？
AI 在醫療領域的應用持續擴展，日本新創公司 SUNABACO 與倉敷中央病院合作開發具有實體形態的「實體AI」（Physical AI），目標是協助建立下一代醫療照護系統，以應對勞動力短缺問題，並驗證其在手術輔助、器械清潔、內部物流等任務中的效率。另一方面，中國南開大學與天津 Union Medical Center 的研究團隊開發出能精準預測胃腸道間質瘤（GIST）患者術後存活率的AI模型，該模型利用機器學習分析大量患者數據，並已建立線上存活計算器，能提供個人化預後估計，有望取代傳統風險評估方式。
人工智慧（AI）在醫療領域的應用持續擴展，近期有兩項進展受到關注。一項是日本新創公司 SUNABACO 與倉敷中央病院簽署合作備忘錄，將共同開發醫療用「實體AI」（Physical AI）；另一項則是中國研究團隊開發出能精準預測胃腸道間質瘤（GIST）患者術後存活率的AI模型。
根據《PR TIMES》報導，日本新創公司 SUNABACO 已與日本知名醫療機構倉敷中央病院的臨床醫學研究所簽署合作備忘錄。雙方將共同開發醫療用 Physical AI，也就是具有實體形態，如機器人般的 AI，目標是協助倉敷中央病院建立下一代醫療照護系統，以應對日本人口減少造成的勞動力短缺問題。這項合作將在實際醫療環境中進行 Physical AI 的驗證實驗與共同開發，包括驗證在手術輔助、器械清潔、內部物流等高體力負擔任務中的勞動及自動化效率。同時，雙方也將建立一個跨領域生態系統，讓醫護人員與工程師能在早期階段便展開合作。
另一方面，《Bioengineer.org》報導指出，中國南開大學與天津 Union Medical Center 的研究團隊，開發了一款利用機器學習來預測胃腸道間質瘤（GIST）患者術後存活率的 AI 模型。該團隊利用來自美國「Surveillance, Epidemiology, and End Results database」的 3,511 名患者數據進行模型訓練與驗證，並使用天津 Union Medical Center 的 219 名患者數據進行外部驗證。其中，「random survival forest」模型在總體存活率和癌症特異性存活率的預測上表現最為穩定。研究還運用 SHAP（SHapley Additive exPlanations）技術解析 AI 的決策過程，發現年齡是影響總體存活率的主要因素，而腫瘤大小和有絲分裂率則主導了癌症特異性存活率的預測。
這項研究已成功建立線上存活計算器，能提供個人化且時間點特定的預後估計，未來有望取代傳統的風險評估方式，讓醫療人員更精確地調整患者的後續追蹤計畫。儘管此模型仍需進行更廣泛的前瞻性測試才能成為標準做法，但這兩項 AI 應用都為提升醫療診斷效率、優化病患照護流程，以及推動精準醫療的發展，帶來新的可能性。
參考來源
-
株式会社SUNABACO、日本有数の高度医療機関である倉敷中央病院の臨床医学研究所と、医療用フィジカルAIの共同開発に向…（プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES）
-
AI Model Predicts Survival After Surgery for Gastrointestina…（Bioengineer.org）
日本開發的「實體AI」將用於哪些醫療場景？
日本新創公司 SUNABACO 與倉敷中央病院合作開發的「實體AI」，將在實際醫療環境中進行驗證實驗與共同開發。其應用目標包括手術輔助、器械清潔以及內部物流等高體力負擔的任務，以提升勞動及自動化效率。
中國AI模型如何預測胃腸道間質瘤患者的存活率？
中國研究團隊利用機器學習訓練AI模型，分析了來自美國「Surveillance, Epidemiology, and End Results database」及天津 Union Medical Center 的患者數據。其中「random survival forest」模型在預測總體存活率和癌症特異性存活率上表現穩定，並發現年齡、腫瘤大小和有絲分裂率是影響存活率的關鍵因素。
