鍾翊方教授指導博士生研發AI疾病診斷系統,獲國際期刊肯定

生醫資訊所鍾翊方老師(左)與博班鄭啟桐同學(中)、長庚AI中心廖健宏醫師

  本校生物醫學資訊所鍾翊方教授與其博士生鄭啟桐醫師(林口長庚外傷科醫師)和林口長庚AI中心廖健宏醫師合作,以深度學習的捲積神經網路建立「骨盆腔X光之股骨頸骨折偵測模型」,將有助於臨床醫師進行骨折診斷。此項強調「導入AI/深度學習於疾病的診斷與醫院系統」之研究成果,已發表在《歐洲放射科學期刊》(European Radiology,IF=4.027, rank=20/129),這也是台灣第一個具有發表文獻之AI疾病診斷系統。   股骨頸骨折是事故傷害常被遺漏診斷的骨折之一,為協助臨床醫師進行骨折診斷,並減輕放射科專科醫師的壓力,鄭啟桐醫師在本研究中,找了醫院內的放射科醫師、外科醫師、骨科醫師及急診科醫師做股骨頸骨折的X光閱片能力測試調查,並將其整理成接收者操作特徵曲線(ROC curve),以評估股骨頸骨折偵測模型的效能,結果(如下圖)顯示,他們所研發的此一偵測模型,表現非常接近醫院專科醫師,在偵測股骨頸骨折的能力足以協助醫生做診斷。  

「股骨頸骨折偵測模型」與醫師閱片能力之比較。藍點:放射科醫師;綠點:外科醫師;黃點: 骨科醫師;紅點:急診科醫師;黑色實線:訓練之模型

  鍾翊方老師表示,人工智慧的價值在於可以利用既有資料去對未知資料快速做出預測,而人工智慧應用於醫療影像也是如此,這一「股骨頸骨折偵測模型」目前已進一步在醫院裝測,並將進一步申請專利。而其作為實際應用之後,將成為一個優良的電腦輔助診斷系統。急診科醫師可以在第一時間藉由模型的預測作為診斷依據,在短短幾秒鐘的時間內,即可判斷出患者有骨折或是沒有骨折;如果模型判斷出有骨折,就會提醒看診醫師病人具有骨折的可能性,並在黃金時間內對患者做出最好的診斷處理,可大幅提升醫療品質。   有了人工智慧模型的協助,臨床科醫師也不需要苦等放射科醫師發出正式報告的時間,可以在第一線利用人工智慧的幫助來做出最即時的診斷,亦可以降低放射科醫師閱片遺漏骨折區域的情形,因此這個骨折偵測模型對於臨床醫療診斷非常有幫助。   目前鄭啟桐醫師與鍾翊方老師實驗室所建立的骨折偵測模型,雖僅可應用在偵測股骨頸骨折,但他們實驗室持續在進行研究、改善,希望使模型具有更多樣性的判讀能力、未來可辨識多種骨折,屆時將可用於更全面性的臨床診斷,提升台灣醫療品質。
回到頂端