與其他癌症相比，血癌較不容易在早期診斷出來，韓劇裡的男女主角得了血癌就彷彿宣布沒救一般，但如今有了人工智慧（AI ）能夠及早發現突變血液細胞，讓血癌不再是大眾印象中的絕症。

雲象科技與台灣諾華藥廠昨（16）日宣布攜手林口長庚醫院，將 AI 技術導入於「血液病理診斷」，希望利用其病理科數位化的醫療院所身分，搭配 AI 技術及早診斷出血液腫瘤。

診斷難度高，AI 賦能把握血癌黃金治療時間

以血癌中常見的骨髓增生性腫瘤為例，由於臨床症狀相似，骨髓病理玻片肉眼判讀困難度高，因此過去要用人工的方式診斷並不容易，據統計，有 20% 的患者因為診斷不易，而延誤第一治療時機。

林口長庚醫院副院長邱政洵表示，透過 AI 去辨識骨髓玻片中細胞的形態、特徵與空間分布的情形，能提供更客觀且量化的數據，輔助血液病理醫師作出高效、精準的「骨髓增生性腫瘤」（myeloproliferative neoplasm，簡稱 MPN）診斷，並改善病患治療進度。

血液腫瘤風險不易偵測，需靠智慧 AI 判讀

林口長庚醫院血液科醫師郭明宗解釋，骨髓增生性腫瘤是一組罕見的血液癌症，主要常見症狀可分為原發性骨髓纖維化（PMF）、原發性血小板增多症（ET）、真性紅血球增多症（PV）。

這些症狀發生時狀況多為注意力不集中、疲憊感、異常性頭痛、呼吸困難等較常見的日常生活病痛，屬於「特異性」較低的病症，世界衛生組織（WHO）因此在 2016 年將骨隨切片列為骨髓增生性腫瘤的診斷必要條件之一。

林口長庚醫院解剖病理部副主任莊文郁提到，偏偏骨髓玻片判讀步驟多且複雜，以人工方式進行，很容易出現判讀錯誤，進而影響治療進度，不同病患之間還會存在細微差異，難以取得客觀量化的結果，對該疾病較不熟悉或經驗較少的醫師判讀難度更高。

以早期 WHO 尚未明確分類時為例，就曾有 20% 的患者原先被診斷為「原發性血小板增多症」，後續分類後重新診斷為原發性骨髓纖維化，凸顯出血癌的診斷困難與複雜性。

強大數位化病理資料庫優勢，林口長庚成為 AI 首選醫院

兩年前，林口長庚決定將所有病理玻片數位化，成為全台少數完成跨院區病理科數位化的醫院。林口長庚解剖病理部陳澤卿科主任表示，院內目前有超過 40 萬筆玻片資料，相當於 126 層樓，比 101 大樓還高。

用高解析度的掃瞄機將病理玻片轉成影像檔，不僅提升判讀的方便性，同時也解決傳統玻片褪色、受損以及運送困難的問題。

莊文郁形容，這次 AI 應用在血液病理科的概念就好比日常上傳照片至社群平台，平台會透過自動人臉辨識系統，顯示或標記照片上的人物是哪一位朋友，可輔助醫師進行快速且精準的判讀，及早發現與治療，有助改善患者生活品質與延長存活期。

這次結合林口長庚龐大的數位病理玻片資料庫，將有助於 AI 進行深度學習與訓練，期望未來能發展出一套可辨識骨髓增生性腫瘤的模型。

AI 醫世代來臨，雲象跨界提升血癌診斷精準度

而台灣諾華則長期投入血液腫瘤研發治療，促成策略合作。希冀藉此提升國內血液腫瘤篩檢量能，幫助病患獲得即時診斷及治療。

台灣諾華陳喬松總經理表示，台灣諾華的藥品研發已廣泛運用大數據分析、AI 等數位技術，但他們同時希望 AI 能彌補台灣醫院臨床人工診斷的不足，提升台灣血液腫瘤篩檢力度，最終改善台灣整體血癌病患的存活率。

陳喬松表示，公司投入血液腫瘤研發已逾 20 年，如今終於邁向新的里程碑，期待這次三方的跨界合作能夠實現公司宗旨：「重新創想醫藥未來以改善並延長人們的生命」。

雲象科技創辦人暨執行長葉肇元則相信，未來 AI 在醫界的應用會繼續擴大， 這次與林口長庚醫院、台灣諾華一同導入 AI 技術，將有效打造「血液病理 AI 輔助判讀應用」，造福台灣醫療產業。

(來源：科技報橘)