根據衛福部統計，台灣每年約有超過2千名白血病與骨髓增生性腫瘤病患，其中半數，約1,100人因白血病死亡。診斷這類血液疾病，過往只能以人工手動方式判斷「骨髓抹片」影像，但現在起，人工智慧（AI）能帶來突破。
台大醫院與雲象科技今（24）日宣布，雙方共同研發的「骨髓抹片AI分類計數 aetherAI Hema」獲衛福部與歐盟（CE）核准取得醫材許可證，是該領域全球首例且同時獲兩地認證的AI醫材。
判讀骨髓抹片影像一張平均耗時20分鐘，需由醫學檢驗師透過顯微鏡計算500顆血球分類，全程皆採人工手動，不僅耗時，且細胞計數區域及影像無法存檔紀錄。
透過這套「骨髓抹片AI分類計數」系統輔助，除了判讀時間可縮短至5分鐘以內、減輕人力負擔，還能提供量化、客觀，可反覆驗證的數據，有助醫院資深醫師傳承經驗，改善臨床診斷與教學研究的瓶頸。
「觀察骨髓抹片有兩大重點，看細胞數量與細胞比例。」台大醫院檢驗醫學部主任周文堅指出，人體造血機能要維持一定的細胞調節機制，比方說細胞過多會導致血癌，過少會引起貧血，相當考驗醫檢師的主觀判斷準確度。
由於台大醫院收治台灣近三分之一白血病患者，且自1983年開始就保存骨髓抹片，因此有了打造AI判讀模型的「先天條件」。2018起，雲象科技與台大醫院進行產學合作，用了近60萬個細胞訓練AI判讀系統，並以逾2.6萬個細胞測試，可自動分類計數15類的骨髓細胞。
這套系統目前定位為輔助醫師使用，周文堅舉「單核球細胞」判讀為例，專業醫檢師的共識判讀準確率約在70%，而系統約有9成準確度。
雲象科技執行長葉肇元補充，AI在進入臨床場域使用後，雖然準確率會受環境影響而下降，但隨著未來推出全自動化流程後，醫檢師甚至不需要操作顯微鏡就可以完成原有工作，在目前多數醫院僅有一至兩位醫檢師執行相關任務的情況下，能有助紓解人力不足。
葉肇元表示，希望這套系統能在台灣獲得更多醫院採用，未來也會在美國執行臨床驗證。「4年前討論構想時，公司只有3個人，現在終於踏出一步等到夢想實現，將努力建立更好標準，」他強調。
