台灣的糖尿病患者已達220多萬人,約佔總人口的10%。糖尿病病程常持續超過10年。而糖尿病患者約5年後會開始併發眼底病變,嚴重將導致失明,因此糖尿病患者每年需進行一次眼底檢查。然而,全台眼科醫師不足2,000人,且多數集中在都會區。面對嚴重的醫療資源不足與不均,工研院林昱仁總監團隊創新研發糖尿病眼底影像人工智慧輔助判讀系統,整合眼科醫師與AI人工智慧的雙腦,提升非眼科糖尿病第一線照護醫師診斷糖尿病眼底病變率,減少轉診與提高病患早期診斷率... |
國病之一的糖尿病在台灣的患者已達220多萬人,約佔總人口的10%。糖尿病病程相當冗長常持續超過10年以上。而患者罹病約5年後會開始併發眼底病變,嚴重將導致失明,因此台灣的糖尿病患者每年至少需要進行一次眼底檢查。然而,全台眼科醫師不足2,000人,且多數集中在都會區,全台368個鄉鎮市區,卻有190個鄉鎮市區沒有眼科醫師執業。面對嚴重的醫療資源不足,工研院林昱仁總監團隊創新研發糖尿病眼底影像人工智慧輔助判讀系統,整合眼科醫師與AI人工智慧的雙腦,提升非眼科糖尿病第一線照護醫師診斷糖尿病眼底病變率,減少轉診與提高病患早期診斷率。 讓醫師信任AI 工研院林昱仁總監團隊以臨床醫師角度出發建立AI輔助判讀模型 在醫療領域上提供電腦輔助診斷(Computer Aided Diagnosis;CADx)結果需要取得專業醫事人員的信任。一旦醫事人員無法信任CADx產生的結果,就不會使用這樣的軟體。 「CADx如何獲得醫師的信任呢?」一般而言,信任感來自於醫師對診斷邏輯與規則的理解;醫師透過梳理電腦的邏輯與規則,再與其專業知識與經驗進行整理統合,可以判斷CADx產生的結果是否值得信任,然而AI是一個黑盒子,透過大量運算後所建構的AI模型是無法提供邏輯與規則。 因此工研院林昱仁總監團隊與臨床醫師討論後,首先確立糖尿病眼底病變(糖尿病性視網膜病變(Diabetic Retinopathy, DR;糖尿病性黃斑水腫Diabetic Macular Edema, DME)疾病嚴重程度的分級與病徵、與組織結構有相關,例如:當眼底影像只出現微血管瘤並且不存在其它病徵時,其糖尿病性視網膜病變的嚴重程度分級屬於輕度非增生性糖尿病視網膜病變(Mild NPDR),當黃斑部區域出現硬滲出物(hard exudate, HE)病徵時即為黃斑部水腫。因此此輔助系統藉由提供四種病徵以及二種組織結構的物件偵測結果,增加臨床醫師對於DR/DME嚴重程度分級結果的信心,並且透過病徵類型、數量、位置等資訊方便醫師跟病患解釋病變嚴重程度,提高患者對醫囑遵從度。
全國最完整資料庫搭配監督式學習 糖尿病眼底影像AI輔助判讀系統展現頂尖效能 而為了滿足最終醫材產品認證要求,糖尿病眼底影像人工智慧輔助判讀系統採用監督式學習(Supervised Learning)的深度學習技術才能夠獲得滿足在臨床實務需求的效能表現,監督式學習必須取樣大量並且高品質人工標記的資料才能有良好的效能表現,然而臨床專科醫師的標記資料是一個極高的門檻,但是若能築高門檻可以避免其它競爭者的進入。 在歷時2年半的臨床資料整備,經由團隊成員努力整合國內百位眼科醫師,最終獲得國內超過50多位眼科專科醫師貢獻其專業知識與經驗進行人工標記、累計建立10萬張以上、20種以上的眼部疾病、病徵、組織標記資訊,以全球眼底影像最完整且數量龐大的標記資料集訓練的糖尿病眼底影像人工智慧輔助判讀系統,在多個AI評估指標中,如: 準確度、靈敏度與特異度,皆達到85%以上的頂尖標準。
※系列報導: |
※本文由生策中心新創幫編輯群採訪撰寫(口述:工研院林昱仁總監團隊 執筆:陳柏翔)。如有引用,請確實註明出處來源。 |
Copyright © 2012 - 2024 Research Center for Biotechnology and Medicine Policy (RBMP). All Rights Reserved