林口長庚紀念醫院、雲象科技與台灣諾華攜手宣布，將跨界共同打造「血液病理AI輔助判讀應用」，以林口長庚醫院病理數位化累積的龐大資料庫為基礎，結合雲象科技AI技術，以及台灣諾華在血液腫瘤的長期研發與治療經驗，輔助病理醫師作出高效、精準的骨髓增生性腫瘤診斷。
人工智慧（AI）已成為未來智慧醫療不可或缺的一部份，特別是需要高度仰賴專業經驗才能判讀的疾病，若能有AI輔助判讀，將可望能彌補醫師因經驗多寡而造成的判讀結果差異，有助及早發現、及早治療。
近期，林口長庚紀念醫院、雲象科技與台灣諾華攜手宣布，將跨界共同打造「血液病理AI輔助判讀應用」，以林口長庚醫院病理數位化累積的龐大資料庫為基礎，提供客觀且量化的數據，再結合雲象科技AI技術，以及台灣諾華在血液腫瘤的長期研發與治療經驗，輔助病理醫師做出高效、精準的「骨髓增生性腫瘤」（Myeloproliferative Neoplasm，MPN）診斷。
血液腫瘤診斷複雜 經驗不足判讀困難
林口長庚紀念醫院血液科醫師郭明宗指出，骨髓增生性腫瘤是一種血液癌症，確切病因尚不清楚。這項疾病會導致骨髓中產生過量的紅血球、白血球或血小板，依據2016年世界衛生組織的分類，又可分為原發性血小板增多症（ET）、真性紅血球增生症（PV）、原發性骨髓纖維化（PMF），其包含早期骨髓纖維化（prePMF）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。
林口長庚紀念醫院解剖病理部副主任莊文郁指出，骨髓病理切片是診斷骨髓增生性腫瘤非常重要的證據，然而人工判讀難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更加困難。
診斷上的挑戰在於，骨髓增生性腫瘤的症狀其實與生活中症狀非常類似，舉例來說，原發性骨髓纖維化的病人容易肝脾腫大、腹部不適、影響進食，有些病人會有骨頭疼痛、注意力不集中、疲勞、易有飽足感、活動力不佳、發燒等症狀，而原發性血小板增多症則易出現疲勞衰弱、夜間盜汗、手腳麻痛觸覺異常、非特異性頭痛等等，因為特異性不強，所以很難單以臨床症狀判斷，所以要透過血液檢查以及骨髓病理切片來進行正確的診斷。
「正因為臨床症狀不明顯，也沒有像其他病症可以摸到腫瘤進行切片，勢必要用骨髓病理切片來進行診斷，但骨髓病理切片的判斷又有其難處，如果不是很有經驗的血液病理科醫師，便很難進行診斷。」他說。
林口長庚紀念醫院解剖病理部副主任莊文郁則補充說明，骨髓病理切片是診斷骨髓增生性腫瘤非常重要的證據，然而，判讀步驟不只多且複雜，例如要量化造血細胞的數量、血小板的巨核細胞的型態特徵還有細胞的空間分布狀況，這些資料都必須要綜合判讀，如果不是很有經驗的病理醫師會非常辛苦。「就過去的經驗來說，一個玻片就要耗時半個小時左右，不只是慢的問題，人工判讀難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更加困難。而此次的合作，透過高品質、經過專家標註資料的訓練，AI輔助影像分析可以讓診斷流程有更客觀一致的量化標準，提升診斷的準確率。」
結合醫、藥、業界三方優勢
此次合作是結合醫、藥、業界三方優勢。林口長庚紀念醫院每月都有近萬筆的病理切片需要診斷判讀，為了能及早且精準幫助病患確診，長庚醫院在兩年前便已著手將病理玻片數位化，為全台少數完成跨院區病理科數位化的醫療院所，大幅提升判讀方便性，目前已累積近40萬筆的玻片資料庫。
骨髓增生性腫瘤是一種血液癌症，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）、真性紅血球增生症（PV）、原發性骨髓纖維化（PMF），其包含早期骨髓纖維化（prePMF）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。
雲象科技則將過去陸續與台大醫院、林口長庚醫院、奇美醫院，分別進行骨髓抹片細胞型態辨識、淋巴瘤型態診斷及預後分析等血液疾病AI的應用，所累積的技術與應用開發經驗，挹注於此次「骨髓增生性腫瘤」AI輔助判讀與病理診斷開發。而台灣諾華鑑於目前血液腫瘤的早期診斷仍有未被滿足的需求，也期望運用資料科學以發展先進藥品，結合三方優勢，期能幫助更多血液腫瘤病患及早診斷並接受治療，降低疾病惡化的風險，延續病患的生命並提升生活品質。
雲象科技創辦人暨執行長葉肇元指出，血液病理診斷是一個高度的挑戰，傳統都是仰賴病理科醫師用肉眼判斷，往往非常主觀。醫師缺乏一個客觀的工具來進行分析，在這個層面上，AI可以提供幫助，但是在血液疾病的AI又有另一個痛點，血液疾病的病患相對而言是較少的，因此在醫療影像AI的運用中，血液疾病並不會在第一時間就受到高度重視，「很榮幸今年與諾華及長庚醫院挑戰一個更困難的題目，用AI輔助骨髓增生性腫瘤的診斷。」
他提到，人工智慧對醫界有非常大的幫助，透過大量的客觀數據還有專家標註之後，深度神經網路可以從中學習到專家的經驗，進一步對於影像做量化分析，而醫師也可以藉此建立一個共同客觀的診斷標準，提升診斷的品質與一致性，進一步結合分子以及基因檢測來提升血液疾病的診斷品質。「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品質。」