臨床新創 - 生醫產品研發
風之割-擴散磁振影像急性缺血性中風自動分割軟體
2022-12-20
陳自諒院長/中國醫藥大學新竹附設醫院

陳自諒

急性缺血性中風發於擁有高血壓、高血糖、高血脂、心房顫動、吸菸、體重過重、缺乏運動、及有腦中風家族史等危險因子之族群。目前急性缺血性腦中風目前最有效的治療方式包括經靜脈施打血栓溶解劑(發病3 小時內)以及經動脈取執機械取栓術(前循環為8 小時內;後循環為24 小時內)。無論治療與否,對於急性缺血性腦中風之認定,則是以擴散磁振影像為判讀基礎。
本團隊所開發的技術(簡稱本技術)可以讓經過培訓的專業醫事人員在擴散磁振影像上,針對急性缺血性腦中風之病兆進行偵測、分割及體積計算,對人體並無副作用或併發症。在驗證過程,我們共收集了1817 去識別化個案之擴散磁振影像,使用包括第一家醫院之內部驗證(524 張)、第二家醫院之外部驗證(463 張)、以及多家醫學中心之全國性驗
證(40162 張),來評估團隊開發的人工智慧模型(簡稱本模型)之性能表現。根據全國性、多家醫學中心資料驗證結果顯示,本模型的預測結果與專家所建立的黃金標準相比較,以單張4 平方公分以上之病兆影像來判斷,呈現高度準確的中風區域分割,包括Dice係數為0.91、敏感度99.2%、特異度93.1%、陽性預測值98.8%、陰性預測值95.2% 及準確度98.3%,意即本模型具有良好的能力在擴散磁振影像上,偵測、分割急性缺血性腦中風之病兆。

評審推薦
1.本案主要開發的AI技術讓醫師可以在DW-MRI中,針對急性缺血性腦中風的病灶進行偵測、分割及體積計算,有利快速評估下一階段之醫療行為,具有臨床需求。
2.所提方法在中風區分割上實驗規劃完整,包括內部檢驗、外部檢驗、全國性檢驗,呈現高度準確性。黃金標準的確定非常嚴謹,考慮一致性與再現性。
3.本案題目極度收斂聚焦,訓練、驗證及測試資料集量體足夠完整,模型segmentation dice score 高,具科學完整性。
2023年度精進成果
本獲獎作品針對急性缺血性中風病灶分割,透過健保資料庫的多中心資料進行強化訓練,模型具備適應各種多樣性資料的能力,高度準確的分割病灶高風險區域,以單張4平方公分以上病灶之Dice係數為0.92,以體積1立方公分以上病灶之Dice係數為0.84。   目前持續精進部分,在核心技術方面,本軟體可以進一步區辨中風病灶中為細胞性水腫或血管性水腫;在商轉應用方面,已完成TFDA 111年主動輔導,並與長佳智能、神瑞人工智慧、利像科技洽談合作事宜;在市場開拓方面,本軟體預定針對不同客群規劃產品,並以採用「訂閱制」及「授權金」兩種方式收費;在臨床驗證方面,已獲得112年科技部三年計畫經費支持,正規劃使用中國醫藥大學附設醫院之院內、外共計2000例資料作為驗證。
團隊簡介
陳自諒
學歷 國立交通大學管理學院碩士
中國醫藥大學醫學系
現職 中國醫藥大學新竹附設醫院 院長
經歷 中國醫藥大學附設醫院國際醫療副院長
中國醫藥大學附設醫院外科部部長
中國醫藥大學附設醫院大腸直腸外科主任
彰化基督教醫院大腸直腸外科主任
本網站中所有資料(包括影音.文字.圖表.數據等) ,均屬於本中心或各該新創企業團隊之專屬財產,如有引用,請確實註明出處來源。 <完整資訊>
財團法人生技醫療科技政策研究中心 版權所有
Copyright © 2012 - 2024 Research Center for Biotechnology and Medicine Policy (RBMP). All Rights Reserved