王宗道、王偉仲、李文正、李文宗、曾秋旺、黃裕城、李正匡、丁偉能、周子淵

利用影像學指標，包括心外周脂肪、心臟/主動脈鈣化等預測心血管疾病有重要臨床意義。本團隊領先世界分析電腦斷層影像指出心外周脂肪量與心血管風險密切相關。分析心外周脂肪需將所有斷層切面之心包膜逐張圈出，一個病例標註便須60分鐘。儘管無顯影劑胸部電腦斷層檢查已廣泛用於早期肺癌篩檢，目前全球亦無針對該影像快速定量心臟/主動脈鈣化工具。
TW-CVAI團隊結合台大醫院、台灣大學及輝達(NVIDIA)、商之器(EBM)聯合開發之「心包膜/主動脈分割及心血管風險自動分析一站式AI模型(HeaortaNet)」為整合影像分割、心血管風險指標分析和串接統計模型的一站式工具。本團隊以兩百筆共七萬張去識別無顯影劑胸部電腦斷層，經心臟/放射科醫師檢覈心包膜及升降主動脈輪廓標註準確，以UNet及注意力機制為基礎之深度學習模型，將臨床需60分鐘的影像分割程序縮短至0.4秒，分割心包膜準確度94.8%，升/降主動脈92.5%。該模型於2021年3月獲NVIDIA認證放置於NGC雲端平台供全球AI研究標註使用，為全球唯一醫學機構自行開發AI獲選者。HeaortaNet為台大醫院首批通過於影醫部試用輔助診斷模型。團隊並與健保署合作，分析健保署內逾五千筆影像資料，證明跨斷層機型普適性，亦於2020年底建立以心臟影像資訊為基礎之國人心血管疾病風險預測模型。