PANCREASaver:運用AI技術致力解決無聲殺手「胰臟癌」



胰臟癌為台灣第7大和美國第3大的癌症死因,台灣每年胰臟癌發生人數大約2,500~3,000人,5年存活率低於10%,是致死率最高的癌症。由於早期幾無症狀、難以發現,但易轉移、惡化速度極快,高達80%以上的病患確診時,已屬晚期甚至末期,治療效果有限。然而研究也顯示,若能在腫瘤小於2公分時即進行偵測並及早治療,則5年存活率可提升至80%。

電腦斷層攝影(CT)是偵測胰臟癌的主要工具。根據衛福部數據顯示,40到65歲國人三年內有接受健康檢查的比例高達6成以上,每年全台灣約有90萬人次進行腹部CT檢查。但早期胰臟癌在CT影像上常難以辨識,約4成小於2公分的胰臟癌,在CT上被遺漏而錯失治療契機,因此亟需能提升CT偵測胰臟癌能力的創新工具。

【產業趨勢與技術應用】

國立臺灣大學 MeDA Lab 使用人工智慧AI技術,搭配高效能計算,開發先進演算法並反覆測試和驗證,訓練出 PANCREASaver 模型,能夠自動從電腦斷層影像中偵測胰臟癌。體現當前醫療科技領域的一系列產業趨勢,塑造現代醫療的面貌,並為未來的發展方向。

臺灣大學 MeDA Lab打造世界首創人工智慧胰臟癌輔助偵測系統「PANCREASaver助胰見」圖1. 臺灣大學 MeDA Lab打造世界首創人工智慧胰臟癌輔助偵測系統「PANCREASaver助胰見」。
圖片來源:https://reurl.cc/aLkGVY

為了多方驗證模型的準確性與泛用性,除了在臺大醫院內部測試以外,更是爭取機會成為第一批使用全民健保數據庫的團隊,並在全台資料庫表現達到高達9成的正確率。綜合應用深度學習、影像組學和自動化診斷,為胰臟癌的早期診斷帶來了革命性的變革,提高了準確性、效率和治療的可能性。以下是其技術的關鍵要素:

  • 深度學習技術
    PANCREASaver利用二維和三維深度學習技術,建構一個強大的神經網絡模型。這種深度學習技術使系統能夠自動學習和辨識複雜的影像特徵,從而實現對胰臟癌病變的準確偵測。
  • 影像組學技術
    整合影像組學技術,該技術通過分析圖像中的大量數據,提取潛在的生物學特徵。這進一步增加了對影像的全面理解,提高診斷的精確性。
  • 早期偵測能力
    PANCREASaver的深度學習模型被設計用於在CT影像中精確地偵測小於二公分的微小胰臟癌。這一領先的早期偵測能力可以極大地提高患者在治療上的機會。
  • 自動化診斷系統
    採用端到端的自動化人工智慧診斷系統,無需人工標示,即可實現對影像的快速且準確的診斷。這提高整個診斷過程的效率。
  • 認證與驗證
    PANCREASaver已獲得美國FDA「突破性醫材」資格,並在台灣取得醫材許可證,確保其符合最高的醫學標準和法規。
  • 全自動化運作流程
    系統實現全自動化運作流程,與醫院內部醫療影像擷取傳輸系統無縫對接。患者完成電腦斷層檢查後,系統自動掃描影像,並使用深度學習模型分析影像中是否存在胰臟癌。
  • 大規模資料庫驗證
    透過與健保署合作,PANCREASaver進行大規模全國性資料庫的驗證,結果表明其在真實世界環境中仍然能夠保持高水準的正確率、敏感度和特異度。

即時輔助判讀,左側為原始影像,右側為 AI 判讀結果,橘色區域為胰臟位置,紅色區域疑似為腫瘤圖2.即時輔助判讀,左側為原始影像,右側為 AI 判讀結果,橘色區域為胰臟位置,紅色區域疑似為腫瘤。
圖片來源:https://www.medalab.ai/research/pancreasaver

PANCREASaver胰臟癌檢測流程圖

圖3. PANCREASaver胰臟癌檢測流程圖
圖片來源:https://www.medalab.ai/research/pancreasaver

【未來展望/挑戰】

PANCREASaver的成功應用為未來癌症診斷和治療領域帶來了許多發展機會:

  1. AI輔助診斷的普及: PANCREASaver的成功應用有望促進類似的AI輔助診斷系統在全球範圍內的應用,進一步提高醫療資源的利用效率。
  2. 整合多項技術: 將深度學習和影像組學技術與其他新興技術整合,以提高準確性並應對更複雜的醫學挑戰。這種整合有助於不斷創新和改進癌症診斷技術。
  3. 加速新藥研發: 利用類似技術加速新藥研發,提高治療效果,特別是針對個體基因差異的個性化治療。這有助於更快速地推出更有效的治療方法。

雖然PANCREASaver展現了許多應用優勢,但在未來的發展中仍面臨諸多挑戰:

  1. 技術普及和教育: 推動類似技術的應用需要醫學專業人員的技術培訓,以確保他們能充分理解和信任AI輔助診斷系統的結果。
  2. 數據安全和隱私: 在使用全民健保數據庫等大規模數據進行模型訓練時,需要解決相關的數據安全和隱私問題,確保患者數據不會被濫用或外洩。
  3. 成本問題: 採用AI技術可能帶來額外的成本,包括設備購置、維護和更新等方面,需要仔細評估成本效益和可行性。
  4. 法規環境: 應用中涉及的法規環境和標準需要不斷適應,以確保新技術的合規性並保障患者權益。

 

參考資料來源:

1.封面圖片來源
https://reurl.cc/nr5bQ8

2.PANCREASaver
https://www.medalab.ai/research/pancreasaver

3.早期偵測胰臟癌!台大廖偉智團隊「PANCREASaver助胰見」取得TFDA將在台落地
https://futurecity.cw.com.tw/article/3326

4.癌王胰臟癌難發現 臺大首創AI輔助偵測 2徵兆是重要線索
https://www.chinatimes.com/realtimenews/20220222000017-260418?chdtv

5.助胰見-創新人工智慧胰臟癌輔助偵測系統
https://www.t4gip.com/ntu06

6.台大首創AI胰臟癌輔助偵測系統 準確率超過9成
https://www.watchmedia0

 

延伸閱讀