过去所有胸部X光、腹部、脑部电脑断层、磁振造影等医学影像检查,产生的影像资料都必须交由判读。但是,一次电脑断层扫描或磁振造影会产生大量影像资料,为了从中找出异常的影像提供诊断,医师必须一张一张看,十分耗时,且时间长了也难免因疲倦而有误差。

为了提高医师影像判读的效能,并减低因长期从事反覆机械式动作造成疲倦产生人为误差、降低错误,藉由人工智能(AI)协助医师判读影像,成为医学界发展智能医疗的重点项目之一。

台北荣总和交通大学研发团队现在发展的「脑部影像判读AI系统」正是要教导、训练电脑学人脑,看懂医学影像,达到判读诊断AI化的医疗新境界。判读诊断AI化的训练方式是提供量、经过筛选与圈注的高品质影像资料,教电脑分辨不同型态的脑部肿瘤及影像特性,未来AI能帮医师从每个检查动輒数百、数千张影像中迅速过滤出关键影像,协助诊断。

北荣从1993年起,累积了包括癌症转移脑肿瘤的数千例加马刀脑肿瘤治疗个案,由于加马刀治疗前须在磁振影像上精准地圈注肿瘤范围,再进行治疗计画及放射手术治疗。因此,将这些陆续已完成肿瘤圈注的资料输入电脑,训练AI学习诊断转移性脑瘤。

此外,北荣团队也正进行原发性脑瘤的AI学习诊断,对脑膜瘤、胶质细胞瘤及其他种类脑瘤的磁振影像,进行一部分案例的圈注,然后再加上大量已有术后病理诊断的案例,训练电脑进行AI判读诊断。由于原发性脑瘤和转移性脑瘤的治疗方针不同,透过大数据教AI建立基本的分类标准,可协助影像判读与治疗对策的拟定。

AI影像判读诊断应该在什么时候登场?专家认为,AI介入的适当时机在影像产生后及医师判读前,也就是说,当患者检查产生影像后,先交由AI初步筛检,帮忙医师找出有助于临床诊断的影像资料,再交由医师进行品管与把关。另一种方式则是在医师判读完成报告后,检测医师是否遗漏具临床重要性的病灶。

现阶段的研究显示,透过巨量资料的累积,AI对脑部肿瘤判断的正确率估计可达9成。不过,若以判读的最终准确度来看,仍是医师高于AI,但以作业速度来看,则是电脑优于人脑。就算如此,AI仍不可能完全取代医师,以自驾车特斯拉撞人事故为例,求偿的对象不会是电脑、机器,而是研发机器的人或公司甚至是坐在驾驶座的人,无论AI如何发展,医师仍是医疗行为最终的把关者及为病患负责的人。至于对病人的关怀与有温度的照顾则是医疗人员至高无上的情怀,也是AI无法代劳的。

因此,AI时代来临,医师会不会失业?郭万祐认为,AI不会取代医师,但是懂AI与使用AI的医师会取代拒绝AI的医师。科技一直在进步,希望透过这一波AI的气势与动能,持续提升AI在医疗应用的发展,在未来的医疗环境中,AI能有效减少医师的劳力负担,让医师把宝贵的时间和有限精力多花在与病患的互动、治疗讨论的决策共享上,共创医、病与社会多方的全赢。



相关文章