COVID-19疫情讓肺部疾病議題再度受重視，雲林科技大學智慧辨識產業服務研究中心（IRIS）與大林慈濟醫院於22日共同舉辦成果展示會，發表三款以AI導入胸腔影像檢測技術，包括「胸腔X光影項腫瘤偵測輔助判讀系統」、「自動即時偵測氣胸放射圖像技術」、「氣管內管偵測技術」，協助醫檢人員自動即時辨識肺腫瘤、氣胸與氣管位置，提高檢驗速度與精準度，避免因誤判或病患等待檢驗時間過長而死亡。

雲科大IRIS中心在2019年與大林慈濟醫院簽訂合作備忘錄，協助胸腔內科醫師開發智慧醫療技術，以及利用大林慈濟醫院的影像資料庫來建置AI模型，雲科大IRIS中心主任張傳育表示，雲科大利用自身AI技術結合醫院端臨床問題進行場域驗證，隨著智慧診斷系統應用不斷湧現，台灣醫療產業可以往智慧醫院、智慧醫療、精準健康境界邁進，未來也能夠過遠距醫療利用AI做初步影像預測。

胸腔X光影像腫瘤偵測輔助判讀系統 自動標記範圍與位置

肺癌是衛福部公布2020年台灣十大癌症死因之首，醫生或醫檢師臨床上透過X光影像判別，可能因超時工作環境或經驗，產生判讀診斷有不同的狀況，剛獲得110年度國家產學大師獎張傳育所研發「胸腔X光影像腫瘤偵測輔助判讀系統」，搜集了700張健康人肺部影像與699擁有肺腫瘤患者的影像資料，利用U-Net神經網絡系統、DenseNet-121模型等進行深度學習訓練，自動標記患者腫瘤範圍，準確率為98.51％，分類敏感度則達到99.01％，目前這套訓練模型已經可以應用在其他醫院與資料庫。

自動即時偵測氣胸放射圖像技術 避免混肴氣胸與類氣胸

氣胸在臨床上很難第一時間被發現，經常因為氣胸範圍太小、X光拍攝誤差或受到肺部微血管干擾，發生判讀失誤或太慢動手術，導致病患錯過黃金治療時間而死亡，雲科大電機系教授何前程研發「自動即時偵測氣胸放射圖像技術」，利用資料擴增（Data Augmentation）與二階分類（Two-Stage Classification）改進U-Net++模型的深度學習演算法，準確率達80%。

何前程提到，包含自發性氣胸、張力性氣胸會出現肺尖部位囊泡(Bleb)、深溝徵（Deep Sulcus Sign）症狀，經常與肺炎產生肺水腫、肺浸潤等類氣胸症況混肴，「自動即時偵測氣胸放射圖像技術」可協助醫師辨識患者氣胸與類氣胸病症。

氣管內管偵測技術 減少多餘人力調整工作

醫護人員為病患插管時需要評估插入深度是否恰當，太深可能導致氣胸，太淺則會發生低氧血症，因此雲科大資管系特聘教授許中川開發「氣管內管偵測技術」，透過AI技術自動判斷氣管內管與氣管分岔點位置，解決過去部分放射線影像清晰不佳還需要人工調整對比度，增加醫護人員負擔問題，以及不受其他醫療管線影響而誤判情況。

目前這套技術搜集了389筆影像資料，判斷有無插管的準確率高達100%；插管端點判斷平均誤差是0.38公分，5公釐範圍內準確率為84%，1公釐範圍內準確率為94%；氣管分岔點判斷平均誤差則是0.32公分，5公釐範圍內準確率為84%，1公釐範圍內準確率為96%，許中川指出，適合插管距離分岔點是在3至7公分範圍內，未來此技術會朝向可以自動化判斷插管位置的適當性。

更多照顧產業訊息，敬請點此訂閱創新照顧電子報