乳癌為全球女性癌症死亡主因之一，但現行乳房X光攝影檢測存在準確度不足、診斷耗時長及放射科醫師人力短缺等挑戰，尤其對乳房密度較高的年輕女性，容易出現偽陰性結果，延誤病情...

為解決這些問題，馬偕紀念醫院楊博勝主任的團隊與中央大學王家慶特聘教授及許藝瓊教授的團隊合作，共同研發乳房X光智慧診斷及自動報告系統，透過影像處理、深度學習及自然語言處理，大幅提升乳癌檢測效率，不僅將傳統檢測報告生成時間從原本的15-55天縮短至30分鐘，更能精準辨識異常病灶，有效提升診斷效率與準確性。

AI助力乳癌早期檢測 提升診斷效率與準確性

該系統整合深度學習與多模態分析技術，包含圖像增強、影像辨識及自然語言處理（NLP）等，以精準分析乳房X光影像，自動偵測並標記潛在異常區域，協助放射科醫師快速且準確地判讀。團隊運用卷積神經網絡(CNN)與變換器(Transformer)混合架構，進行乳腺腫瘤的邊緣與形狀分類，有效區分正常組織與病變區域。此外，系統更結合視覺注意力機制，精確辨識鈣化點的位置與分布情形，顯著提高診斷的敏感度。此系統亦可整合於現有醫療設施，例如醫院的PACS系統與行動乳篩車，讓資源有限的偏鄉地區同樣能享受到高品質的乳癌篩檢服務。

為進一步提升診斷準確性，團隊採用半監督學習策略，透過結合標註與非標註數據，持續改善模型效能；並運用圖像增強技術，顯著提高影像對比度，使微小病變清晰可見。此外，更引入元學習網絡技術，針對有限數據進行少樣本學習，大幅提升分類準確性。實證數據顯示，該系統在乳房腫塊的檢測準確率達90%以上，良惡性辨識的準確率亦高達75%。

加速產業化進程 助攻乳癌防治與醫療資源優化

楊博勝主任表示，透過此診斷系統，不僅能有效縮短乳癌篩檢判讀時間，提高診斷準確性，還能擴大偏鄉乳癌篩檢範圍，解決醫療資源不均問題。未來，團隊將持續優化系統性能，加速產業化進程，並與醫療機構及設備製造商等合作，共同推廣此項技術，提升整體醫療系統效能。

詳細資訊→乳房X光智慧診斷及自動報告系統之技術|馬偕紀念醫院楊博勝主任|第21屆國家新創獎