詹寶珠、蔡弘文、楊宗龍、鄭國順、邱建毓

本團隊深度學習與影像分析技術開發出的肝臟腫瘤偵測技術與肝硬化分級技術。在肝臟腫瘤偵測技術方面，結合多倍率偵測腫瘤區域以及其免疫細胞分布分析，以輔助醫師提升診斷效率。在肝硬化分級技術方面，發展纖維分割模型、門脈及中央靜脈分割模型、環狀纖維演算法。在Masson染色病理切片下，分析纖維在門脈及中央靜擴散的程度，作為Ishak肝炎分級參考。團隊並將這些技術，實作於所開發的數位病理分析平台ALOVAS，讓醫師上傳病理數位影像後，藉由上述的AI人工智慧技術進行精準且快速的分析，以提供醫師在臨床診斷上的輔助。

病理切片分析有助於醫師掌握病患體內組織的情況，對醫師診斷患者癌症等諸多疾病的進程以及治療效果十分重要。然而目前病理科醫師進行診斷時，多是以人工方式檢視顯微鏡下的病理切片玻片或是數位病理切片影像。為了更精確觀察到細胞組織層級的情況，需要以高放大倍率檢視，視野範圍相較整個切片而言十分狹小，因此病理醫師需要花費大量時間與精力在切片上來回搜尋可能的病灶區域。人為檢視的方式同時也會受主觀影響，不同病理醫師的判斷可能出現分歧，也可能受精神或體力狀態影響產生疏漏或誤判。本團隊研發的幾項自動化肝臟數位病理切片分析技術，利用AI人工智慧自動化偵測肝臟腫瘤區域以及評估肝纖維化分級，可以大量減少病理醫師檢視切片所需花費的時間與精力。同時AI人工智慧也能提供穩定而一致的客觀分析結果供醫師於診斷時參考，該技術在醫學診斷上有非常高的實用價值與效益。