傳統的胃鏡檢查雖然可以觀察胃部狀況，但卻難以精準評估胃癌的風險。胃癌的形成過程往往經歷幽門螺旋桿菌感染、慢性胃炎、萎縮性胃炎到最終發展為腸上皮化生等一連串癌前病變，然而目前醫師需要依賴內視鏡影像，配合病理切片報告才能判讀病患是否具有癌前病變，過程耗時耗力且成本高昂，偏遠地區專業資源更是短缺。

有鑒於此，臺大醫院李宜家教授團隊開發出「利用人工智慧自動辨識胃部癌前病變的端到端系統」，利用深度學習技術分析胃鏡影像，快速辨識胃部癌前病變，包含萎縮性胃炎和腸上皮化生，大幅提升檢查效率。

該系統運作分三階段：首先將胃鏡影像區分為胃部與非胃部；再將胃部影像細分為不同的部位，包含幽門部、胃體部和胃底部/賁門部；最後經過對比度增強處理後，評估萎縮性胃炎和腸上皮化生等癌前病變的嚴重程度。

影像預處理 提高判讀準確度
在進入深度學習分析前，系統會先對原始彩色胃鏡影像進行預處理，將其轉為灰階並使用臨界值分割出最大感興趣區域，去除影像中不相關的資訊如黑邊、病患資料、時間標記等，接著將處理過的影像調整為統一解析度，方便模型訓練。

大數據訓練 準確度高達90%
接下來利用臺大醫院10年來病患的歷史胃部影像數據及對應病理報告，作為模型的訓練資料集。此外，也使用馬祖10年來病患胃癌預防計畫的影像與病理資料，作為模型驗證和測試集。最終在馬祖測試集上，模型對於胃部及非胃的判定、以及胃不同部位的區分中，精確度分別達到99.9%及98.2%；對於萎縮性胃炎和腸上皮化生的精確度則分別為90.1%和88.6%。

偏鄉應用 優化醫療資源分配
李宜家教授表示，這套系統不僅能提高診斷的準確性，更重要的是，為達到偏鄉應用目標，團隊與業者合作開發移動式PACS平台，讓第一線醫師只需使用iPad，即可將影像傳送到臺大醫院AI運算中心進行分析，結果會迅速呈現於平板上並標示風險區域熱區。該系統不僅能協助醫師分析及制定治療方案，更能將有限醫療資源合理分配給高風險民眾，對於偏遠地區的癌症防治有重大貢獻。

詳細資訊→利用人工智慧自動辨識胃部癌前病變的端到端系統|臺大醫院李宜家教授|第20屆國家新創獎