頭頸癌為全球第七大癌症，在台灣，每年約有8000名新發頭頸癌患者。傳統上頭頸癌的診斷與治療需仰賴經驗豐富的放射診斷科與放射腫瘤科醫師進行繁瑣的判讀與人工標註，不僅耗時費力，且容易受到主觀因素影響，導致診斷結果可能出現差異...

為了克服這些挑戰，國立陽明交通大學何信瑩特聘教授團隊和高雄長庚紀念醫院黃英彥、黃子庭醫師團隊共同研發人工智慧頭頸癌臨床診斷輔助系統，整合自動偵測標註淋巴病灶區與預測淋巴結外擴散轉移兩大核心系統，大幅提升頭頸癌的診斷與標註效率，為精準醫療帶來全新里程碑。

演化學習加持！AI頭頸癌診斷系統解開醫學黑盒子

深度學習模型在頭頸部鱗狀上皮細胞癌病患的電腦斷層影像淋巴結區域自動偵測標註方面表現出色，但用在判斷是否有淋巴結轉移與結外擴散時，難以滿足可解釋性的要求。何教授團隊引入了演化學習的技術，讓AI系統能夠提升判讀的準確性和透明度。

演化學習的優勢：

• 可解釋性強：演化學習能最佳化挑選關鍵特徵來建立個人化的預測模型，闡明患者的個人化特徵分析，讓醫師掌握AI的判斷依據，提升AI輔助臨床決策的可信度。
• 克服生醫數據挑戰：演化學習適合處理生醫影像的獨特難題，包含高維度資料、樣本不充分、特徵交互作用強，以及資料標註的不確定性等，辨識一組穩健特徵和建立最佳化預測模型。
• 應用靈活性高：演化學習可以應用於各種影像和數據的整合分析任務，例如醫學影像、腦波心電圖訊號、微菌相、臨床資料、基因表達譜等各類型生醫數據，具有廣泛的臨床應用前景。

自動偵測標註系統採用深度學習技術，快速精準地標記頭頸癌病灶區，並提供醫師再修正標註回饋的功能，確保標註的專業準確性。自動輔助診斷系統運用創新的演化學習，結合二維放射組學、三維影像、臨床病理數據等多模態特徵建立預測模型，在淋巴結外擴散及轉移預測的準確性和靈敏度都超過八成，改善放射科專家判讀上低敏感度與診斷異質性問題，同時提供醫師可解釋性特徵作為判讀依據，提高臨床應用信心。目前在高雄長庚紀念醫院完成臨床可行性驗證，持續進行系統優化與臨床驗證，進一步邁向精準放射治療的目標。

陽明交大AI技術亮點！頭頸癌診斷邁向新紀元

國立陽明交通大學何教授表示，傳統的人工判讀單一案例就需耗費數小時，團隊開發的AI頭頸癌診斷輔助系統，則能夠在幾秒鐘內就完成複雜的影像分析，還能為頭頸癌患者提供更精準的個人化診療資訊，是精準醫療領域的一項重大突破。

何教授進一步指出，這套AI系統的開發成功，得益於團隊長期以來對人工智慧與醫學影像分析的深入研究。團隊成員來自不同領域專家，包括臨床醫師、醫學影像、資訊科學、生物統計等，共同努力，克服了許多技術上的挑戰。未來，研究團隊將持續精進擴大AI輔助系統應用範圍，例如肝癌、胃癌等，並開發更友善的使用者介面讓臨床醫師能夠更方便地使用系統，提高AI輔助系統的普及性。

詳細資訊→人工智慧賦能的頭頸癌臨床診斷輔助系統|陽明交通大學何信瑩特聘教授|第21屆國家新創獎