歷經三年多共同研發，台大醫院與雲象科技於日前宣布「骨髓抹片AI分類計數aetherAI Hema」已獲衛福部與歐盟CE核准取得醫材許可證，未來這項產品也可望商轉，藉由自動分類計數，快速提供量化、可反覆驗證、客觀一致性的數據，協助醫師判讀，提升精準醫療。
雲象科技與台大醫院自2018年便開始產學合作投入骨髓抹片AI分類計數系統，總共使用近60萬個細胞訓練，並經過逾2萬6千個細胞測試，達成可自動分類計數15類骨髓細胞，從原本一張影像依難度不同平均耗時約20分鐘，縮短至5分鐘以內。不僅協助醫師與醫檢師縮短判讀時間，也有助經驗傳承，突破血液疾病臨床診斷與教學研究的瓶頸。
台大醫院檢驗醫學部主任周文堅指出，骨髓是造血器官，各種血球數量需要經過嚴格調控來因應各種生理狀態，一旦失調，即可衍生血液疾病。「在臨床上，骨髓抹片的判讀是診斷各種血液疾病的最基本且重要的方法。」他提到，過去採用人工閱片，往往需要經過長久的訓練與經驗累積，而且費時費工，要500個細胞以上才能有較精確的診斷，而且較為主觀。而運用人工智慧來閱片，不僅省時、省工，可以一次算好幾萬顆細胞，增加準確率，而且也比較客觀。資料標註後儲存，也較有利於經驗傳承與培訓。
此次合作，台大醫院投入多位血液專科醫師暨醫事檢驗師，總共收集了323位病人、540片抺片，將近60萬個細胞，讓醫檢師跟醫師判讀後，再經卷積神經網路（CNN）訓練。而台大醫院與雲象科技也進行多國、多中心的臨床驗證。254位病人的骨髓抹片分別來自台大醫院總院、台大醫院雲林分院、台北國泰醫院、與美國BioReference Laboratories，一張玻片由兩位醫師及AI標註相互驗證，涵蓋14種骨髓疾病類別，且包括治癒前後的不同臨床病程，跨兩種染色，而此模型的研發資料集，是由台大醫院血液專科醫師及資深醫檢師進行了超過70萬個細胞標註所組成。
「骨髓細胞判讀的挑戰在於即使是有經驗的醫師與醫檢師，在共同閱片之後，達成共識的細胞也只有60%左右，足見其主觀性，這也是為何AI在這個系統中非常重要的原因。在臨床驗證過程中，AI系統判讀平均介於70%～90%之間，吻合度相當高。」周文堅表示，目前台大醫院將此系統定位在「輔助」判讀，由系統自動把抹片影像取像下來，並且自動把細胞種類標註、算好比例後，再交由醫師跟醫檢師確認標註狀況符合預期即可，如此一來，便可大幅節省時間。
骨髓血球AI人工智慧判讀示意圖。
雲象科技創辦人暨執行長葉肇元則指出，醫療器材許可證只是第一步，未來期待可以用全自動的系統透過嚴謹的醫學研究來訂定更好的骨髓抹片分類技術的標準，提升血液疾病診斷及治療的水準。目前這項產品也投入商轉應用，由於已取得歐盟CE核准，未來將會加強在歐洲推廣與銷售，另外，也希望可以再增加一些美國臨床驗證資料，而後將這些資料送至美國FDA取得上市許可。而日本因為染色方法較為不同，現今也已經與日本多間大學醫院一同進行研究合作，「骨髓抺片檢驗還有很多技術上的問題還有待解決，未來還會有更多的發展，期望從台灣出發，奠基於先進AI技術應用及骨髓細胞型態無人種差異的特色，開拓海外市場。」