腦動脈瘤是一種腦血管疾病，其發生率為1.8-3.2%。由於病灶微小不易察覺，且在破裂前常常沒有明顯徵狀，因此又有「腦中不定時炸彈」之稱。根據統計指出，全球平均約每8分鐘，就有1顆腦動脈瘤發生破裂，此外，也有高達80-90%的自發性蛛網膜下腔出血是由腦動脈瘤破裂而導致。腦動脈瘤破裂的致死率為23-51%，存活的患者有30-40%會發生永久性殘疾。

AI助力腦血管影像分析！雙和醫院研發腦動脈瘤AI輔助診斷平台
磁振造影血管攝影無須注射顯影劑也無輻射性，可作為早期偵測腦動脈瘤的篩檢工具。然而，由於腦動脈瘤病灶很小，可能僅約2毫米，且腦血管結構複雜，判讀費時費力，須多年放射線專科訓練才可準確判讀，即便如此，仍有可能漏讀小型腦動脈瘤。為輔助臨床醫師解決早期診治腦動脈瘤的痛點，雙和醫院陳彥廷醫師團隊建構了經多位放射線專科醫師標註的磁振造影腦動脈瘤影像資料庫，並由此建立了一個腦動脈瘤AI輔助診斷平台。該平台使用深度學習技術，可自動偵測和分割腦動脈瘤，並提供病灶的位置、大小和型態等資訊，協助醫師提高診斷的效率和準確性。

巨量資料、高性能模型雙管齊下，偵測敏感度高達96.7%

該平台的技術優勢主要體現在以下兩個方面：

• 巨量影像資料庫：該平台建構的1400例腦動脈瘤影像資料庫，包含不同大小與位置的病灶，並涵蓋患者不同時期的病灶，資料量豐富且多樣，可有效提升AI模型的泛化能力。
• 高性能AI模型：該平台採用兩階段深度學習模型，第一階段快速篩選高風險影像，第二階段精確分割病灶，並結合半監督式學習策略，進一步提升模型的性能。

在雙和醫院的臨床測試集中，該平台偵測腦動脈瘤平均敏感度達84.7%，小於3毫米病灶仍維持80%高敏感度，此一表現與臨床醫師在同一測試集的敏感度(84.2%)相當。此外，研究團隊發現，AI模型與醫師的診斷有互補作用，醫師在使用該平台輔助下敏感度可達96.7%，相較於未使用AI平台的醫師可降低12.5%的誤診率。

陳彥廷醫師：AI技術有望突破腦動脈瘤診斷困境

陳彥廷醫師表示，腦動脈瘤是一種非常危險的疾病，其破裂致死率和致殘率都很高。然而，由於病灶微小且不易察覺，早期診斷非常困難。傳統的腦動脈瘤診斷主要依靠放射線醫師的判讀，但由於人為因素的影響，診斷的敏感度和特異度都存在一定的限制。AI模型可以自動分析大量影像資料，並學習判讀的規律，從而提高診斷率，研究團隊將持續優化該平台，並推廣至其他醫療院所應用，期盼能幫助更多患者早期診斷腦動脈瘤，獲得更好的治療效果。

詳細資訊→腦中不定時炸彈的探測器–腦動脈瘤辨識與偵測AI平台|衛生福利部雙和醫院陳彥廷醫師|第20屆國家新創獎