來源：科技新報 作者姚惠茹

雲象科技27日宣布與林口長庚醫院病理部合作「胃癌淋巴結轉移 AI 偵測」，設計 AI 輔助的數位病理工作流程，經臨床實驗證明，醫師對胃癌微小轉移病灶的診斷時間縮短 30%，演算法辨識率高達 AUC 0.99。

實驗成果代表雲象獨創技術「免細節標註全玻片運算」True GigaPixel AI 能力再升級，運用全玻片影像，無切割、免細節標註，直接訓練深度學習模型，突破深度神經網路硬體加速器上記憶體大小的限制，可加速研發進程，研究成果登國際科學期刊《Nature Communications》。

胃癌手術後，檢查淋巴結是否有受到轉移的癌症侵犯極為重要，但長久以來，病理科醫師透過顯微鏡，無其他科技輔助，憑著肉眼與即時記憶，必須在一大片組織裡逐一尋找微小的病灶，做出最終診斷，耗時耗力。

為減輕醫師負擔，並驗證 AI 輔助效益，雲象科技與林口長庚醫院病理部陳澤卿主任及黃士強醫師合作，採用近 6,000 個高達 50 億畫素的淋巴結標註影像，訓練 AI 模型，開發「胃癌淋巴結轉移 AI 偵測」以及 AI 輔助的數位病理工作流程，協助病理科醫師進行胃癌淋巴結轉移的診斷工作。

以傳統人工作業，病理科醫師對於小於 2mm 的胃癌微小轉移（micro-metastasis）病灶的診斷敏感度是 82%，小於 0.2mm 的單獨性腫瘤細胞（isolated tumor cells）病灶的診斷敏感度則是 68%。

受到 AI 輔助，醫師對於微小轉移及單獨性腫瘤細胞的診斷敏感度，雙雙提升到 96%，同時對微小轉移的診斷時間減少 30%，單獨性腫瘤細胞的診斷時間則縮短 26%，演算法辨識率高達 AUC 0.99（完美演算法的 AUC 為 1）。

林口長庚醫院每年處理病理標本約 12 萬件達全國之冠，多年來持續推動病理玻片全面數位化，現階段以輔助病理醫師判讀，這次發表成功將「免細節標註全玻片運算」True GigaPixel AI 能力再提升，獨創直接使用未經分割，並未經細節標註的高解析度淋巴結影像來訓練 AI 模型。

2020 年以來，從使用統一記憶體（unified memory）開始，至「免細節標註全玻片運算」開發，已取得近 100 倍的加速幅度，使繁重的計算工作流程能更有效率地進行，可節省病理科醫師數百小時的標註時間，大幅加速病理 AI 的開發流程，這些優勢都展現在這項研究得以在一年完成。

雲象科技執行長葉肇元醫師指出，「胃癌淋巴結轉移 AI 偵測」配合 AI 輔助數位病理工作流程，以臨床實驗提出具體效益，True GigaPixel AI 可望加速病理 AI 落地，讓率先導入病理 AI 的醫療院所可穩居優勢，有意加入者後來居上。

雲象「免細節標註全玻片運算」True GigaPixel AI 是繼 2021 年與北醫附醫合作，運用在肺癌數位病理影像，今年再應用在胃癌的淋巴結轉移診斷，透過學術管道檢視研發成果，為受國際實力驗證的指標之一，自 2019 年雲象發表的國際期刊論文已累計近 20 篇。