台大生醫電資所莊曜宇教授領導的團隊，成功開發多款結合深度學習與醫學影像技術的創新模型，能夠應用於癌症診斷與結核病篩檢。從DNA序列數據到病理切片影像，該團隊運用人工智慧實現乳腺癌分型、自動化病理影像分析及結核病快速檢測為精準醫療領域帶來嶄新突破...

深度學習：醫療保健的新引擎

深度學習技術在醫療領域的應用日益廣泛，透過分析大量醫學影像和基因組數據，能學習到複雜的疾病模式，進而實現疾病的早期預警、精準診斷與治療。這樣的突破為臨床醫療提供了全新的解決方案，並推動醫療保健系統向智慧化、精準化邁進。

多重生物數據整合分析

首先，針對乳腺癌的診斷與分類，該團隊開發了一套DNA序列分類模型，能夠精準辨識乳腺癌患者的亞型，進一步幫助臨床醫師制定更具針對性的治療策略。尤其在處理混合DNA樣本時，此技術能夠成功分離並識別主要與次要的貢獻者，達到高達0.97的準確率。此外，團隊更利用深度學習模型開發了一套結核病輔助檢測系統，其中融合螢光染色影像分類技術與物件偵測功能，不僅顯著提高了結核病檢測的靈敏度，更有效縮短診斷時間。

這些創新技術的核心優勢在於其低成本、高效率及高度適應性。首先，這些模型能處理多樣化資料格式，適應不同類型的生物醫學數據，展現出極高的靈活性；其次，其運算效能與準確性結合，使其不僅在學術研究中具有突破性價值，還能在臨床與商業化應用上展現廣闊的前景。綜合來看，這些技術不僅提升醫學診斷的精準度與效率，還有助於推動智慧醫療的快速發展。

前瞻應用與無限潛力

莊教授表示，團隊已將相關研究成果發表於國際期刊，並取得台灣專利。此外，這些模型亦已在實驗室中通過驗證，並具備高度的應用潛力。未來，團隊將持續優化模型，並與醫療院所合作，將技術轉化為臨床應用，以提升疾病診斷的準確性，並為患者提供更精準的治療方案。

詳細資訊→利用醫學影像和多體學數據結合人工智慧進行生物醫學應用|台大莊曜宇教授|第20屆國家新創獎