成大醫院賴昭翰醫師的團隊研發出一款深度學習自動偵測演算法，能精準判讀移動式X光機所拍攝的胸部X光，自動偵測氣管內管尖端和氣管隆突的位置，並測量兩者之間的距離，有效輔助醫師判斷氣管內管是否置放正確，提升加護病房患者的醫療安全。

氣管內管錯位是加護病房常見的危急情況，可能導致氣胸、肺塌陷等嚴重併發症，甚至危及生命。傳統上，醫護人員主要依賴移動式X光機拍攝的胸部X光片來判斷氣管內管位置。然而，由於影像品質不穩定，且常受其他醫療器材或身體結構干擾，判讀不易，增加了誤判的風險。

像素級分割技術結合多重驗證，自動化X光判讀，提升醫療效率

此款深度學習演算法首先利用Mask R-CNN模型，透過在1,842張胸部X光影像上進行過訓練和驗證的像素級別分割技術，精準標記出X光片中的氣管內管末端和氣管分叉。接著，結合特徵金字塔網絡，提取影像特徵，並利用邊界框回歸技術，精確定位氣管內管尖端和氣管隆突的位置。最後，透過規則為基礎的特徵提取法，以及遮罩與邊界框的互補應用，確保偵測結果的準確性。

此演算法的優勢在於：

• 精準定位：相較於傳統僅對整張影像分類的演算法，能更精準定位氣管內管尖端和氣管隆突，降低誤判風險。
• 高效率：自動化偵測流程，大幅縮短判讀時間，使醫護人員能更快速做出決策。
• 高準確性：透過內部交叉驗證、外部驗證及與臨床醫護人員的比較測試，證實其準確性達到甚至超越多數醫護人員的水準。
• 高兼容性：無設備限制，兼容多數X光檔案格式，適用於不同醫療院所。

臨床應用獲准，有望拓展至遠距醫療與醫學教育

這項創新的深度學習演算法，不僅能有效提升氣管內管置放的準確性，降低併發症風險，更能減輕醫護人員的工作負擔，使其更專注於複雜的臨床決策。賴醫師表示，團隊目前已獲倫理審查委員會批准，將於臨床場域中實際應用此演算法，進一步驗證其臨床效益，未來有望應用於遠距醫療、醫學教育等領域，為醫療品質帶來顯著提升。

詳細資訊→胸部X光氣管內管錯位偵測：深度學習演算法|國立成功大學醫學院附設醫院賴昭翰醫師|第20屆國家新創獎