鎖定心、肺、腦等領域，科技部26日宣布，建置台灣首座跨院所的本土化「AI醫療影像」資料庫，匯集國立臺灣大學、臺北榮民總醫院、臺北醫學大學等頂尖醫師經驗，一年來累積4.6萬個案例的相關影像，其中1/3已完成疾病資訊標註，未來將持續蒐集資料，並把成果開放給外界合作。
AI醫療資料庫：15種醫療影像、4.6萬個案例
科技部推動的「醫療影像專案計畫」，目標是對醫療影像資料進行符合AI訓練需求資料處理與編譯，並將開發可自動分析判讀醫療影像的AI演算法，標註影像資料，包括心臟冠狀動脈疾病、腦轉移瘤、原發性腦瘤、聽神經瘤、肺癌等疾病之電腦斷層、血管攝影、磁振造影和X光等15類。
像是北榮團隊針對腦部疾病，以AI自動偵測顱內轉移腫瘤，可圈住病灶位置和計算面積，輔助醫師做診斷；北醫團隊則標註1,500例肺癌影像，透過深度標註與AI模型開發來協助肺癌病理分類、診斷與預後預測。
「結合醫師的量化判讀經驗，累積醫療影像才更有意義」臺北醫學大學附設醫院副院長陳震宇表示，肺癌影像解讀，是由病理科醫師透過切片，搭配玻片掃描、染色方法等，製成解析度6萬乘6萬、平均1GB的數位檔案，但這種作法相當耗時，一天可能僅能處理20位病人資訊。
陳震宇說，北醫開發的肺癌影像深度標註介面，會先由AI自動判斷，並提供醫師調整空間，讓醫師在自己的辦公電腦就能使用。
人工智慧大幅減輕醫師、病人負擔
還有臺大團隊，透過AI自動將冠狀動脈結構與心肌血流功能融合。
「心血管疾病是台灣第2大死因，可能在10分鐘內奪走生命，」台大醫院心臟內科主治醫師王宗道說，近15年來，只要民眾曾接受電腦斷層掃描，醫師幾乎都有辦法看出心血管的問題，卻因為自費掃描不普及、影像後製耗時等因素，無法即早發現與治療。
他強調，傳統比對血管阻塞位置需花20分鐘，但人工智慧僅需2秒鐘就能完成工作，能大幅減輕醫師負擔。
科技部指出，醫療影像是目前主要的非侵入式診斷工具，每個疾病個案有數張到數百張影像，結合AI技術與醫療影像的疾病診斷標註進行研究，所開發的自動分析判讀工具，不僅可以協助醫師加速醫療影像判讀及提高診斷的一致性與精準度，也可以縮短病人就醫時間及減少侵入式檢查，降低醫療的支出。
醫療團隊建置的影像和標註資料，將匯入國家高速網路與計算中心（國網中心）平台，提供其他研究團隊與資料建置團隊合作，並會做去識別化處理，保護資料當事人隱私，同時建立「退出資料」機制，保護個資自主權。
