基隆長庚紀念醫院詹益聖副院長的團隊，開發了一款專門用於偵測脛骨平台骨折的人工智慧模型，透過分析常規膝蓋X光片，協助醫師更快速、準確地判斷骨折的可能性，特別是那些難以察覺的隱性骨折，有望大幅降低脛骨平台骨折的誤診率，為患者帶來更即時的治療，並減輕醫療系統的負擔。

傳統方法易誤判，延誤治療後果嚴重

脛骨平台骨折是常見的創傷性骨折，尤其在青壯年男性和老年女性中更為普遍，因其診斷困難度高，往往導致延誤治療，造成關節變形、關節炎等後遺症，甚至需要提早進行人工關節置換手術。現行的診斷方法主要依賴理學檢查與X光判讀，然而，理學檢查的準確度受醫師經驗影響，而X光片判讀則容易忽略隱性骨折。

大量數據學習，輕量化高效模型實現精準判讀

此AI模型透過深度學習技術，分析大量脛骨平台X光片資料，能辨識出人眼難以察覺的骨折特徵。其核心採用EfficientNet B3架構，此架構在圖像識別領域表現優異，能在維持高準確度的同時，有效降低模型複雜度與計算資源需求，實現輕量化部署。

為確保模型效能，團隊首先收集長庚醫院各院區逾3800張脛骨平台X光片，並由骨科醫師仔細標註骨折區域，確保資料品質。接著，將資料集劃分為訓練集、驗證集與測試集，透過Adam優化器與適當的學習率進行模型訓練。驗證結果顯示，不僅在測試集上AUC達到0.98，為進一步驗證模型的泛化能力，更使用嘉義與基隆院區的獨立資料進行外部驗證，AUC也高達0.97，證實模型在不同資料集上皆具備高度準確性。此外，團隊還運用Grad-CAM技術，將模型判讀過程視覺化，提升模型的可解釋性，讓醫師更了解AI的判斷依據。

AI輔助系統提升診斷效率，減輕醫療系統負擔

詹益聖副院長表示，這款AI模型不僅能夠提高診斷的準確度和速度，更能協助非專科醫師達到骨科專科醫師的診斷水準，尤其在醫療資源有限的地區，更能發揮其價值。此外，模型還能與現有的醫學影像系統無縫整合，提供即時判讀結果，進一步提升醫療效率。未來，團隊計劃將模型應用於更廣泛的臨床場景，如急性篩檢、手術規劃等，並持續優化模型，使其能夠應對更多樣化的骨折類型，為患者帶來更好的醫療服務。

詳細資訊→以深度學習法偵測脛骨平台骨折|基隆長庚醫院詹益聖副院長|第20屆國家新創獎