2021 The 18th National Innovation Award_1


根據國家發委員會報告,臺灣的人口結構已經達到老年化社會的標準,預估2025年將成為超高齡化社會,對於國家健康保險醫療的負擔將達到臨界點。為因應老年人口的快速增加與疾病預防策略,政府將逐步有條件開放補助肺部低劑量電
腦斷層掃描篩檢(LDCT),未來醫院勢必需要投入更多人力於健檢中心及其他促進健康單位,屆時對放射師及診斷科醫師將是沈重的工作。臺北醫學大學校級人工智慧醫療研究中心團隊開發人工智慧肺部LDCT篩檢輔助系統-「Deep-Lung」,首先針對中高齡國人的醫療影像,快速且精準的評估肺、心、骨疾病的風險能自動化的提出臨床上治療的建議。「Deep-Lung」可有效的一次性完整評估中老年人在肺癌篩檢、肺氣腫現象、冠狀動脈鈣化和脊椎骨骨折的程度;一方面可協助放射科醫師,輔助診斷並產出國際標準報告與治療策略;另一方面受測者能在暴露較少的CT輻射劑量下,同時得到準確的肺、心、骨疾病篩檢建議與風險評估,將有效降低高齡罹病風險。對於全球人口老化疾病和健康促進、大幅減低醫療人員的工作量以及誤診率、甚至保險核保評估等均有重大商業潛力。

榮獲2021 未來科技獎


由台北醫學大學陳震宇副校長所建成的研究團隊,以多模肺癌臨床智慧決策分享輔助系統等計劃,於9月6日榮獲科技部2021未來科技獎。10月14日至23日參與未來科技館於台北世貿一館的實體與線上展覽。

█多模肺癌臨床智慧決策分享輔助系統:陳震宇、許明暉、張資昊、蕭世欣、陳志榮、黎阮國慶

「多模肺癌臨床智慧決策分享輔助系統」為台北醫學大學陳震教授/副校長與數據處許明暉資訊長、資訊處張資昊長、AI學程李阮國慶老師、台北醫學大學附屬醫院胸腔內科蕭世欣主任與病理科陳志榮教授,以及台灣醫療科技大廠雲象科技、汎定科技相關合作所執行2020年科技部肺癌大數據精準醫療人工智能係統計畫。
該技術以創新人工智能肺癌模組,輔助臨床CT與數字病理影像判讀,結合臨床數據與基因數據,建立決策輔助共享系統(CDSS-SDM),根據臨床實際發病過程發生的流程,提供醫師與病診斷、精準、梯度評估,達到醫病共享決策,以期達到臨床實務發揮價值與國際競爭力,推動醫療人工智慧產業發展。

肺癌是台灣癌症10大死亡之首,雖然近年來標靶與細胞免疫治療藥物不斷增長,患者5年發病率仍僅約15%;在臨床上肺癌早期診斷需要精準影像、治療與藥物選擇則需參考食品基因變異等發病因素。為提升醫療效能、達到肺癌精準臨床路徑與治療願景,本技術以「早期預防、診斷精準、精準用藥」為目標,運用北醫大高品質臨床大數據,結合醫療科技產業大廠,共同發展具未來科技願景的多模組肺癌臨床智慧決策輔助系統,本技術以深度學習為基礎所發展之肺癌大數據精準醫療人工智能平台,可提升真正的肺癌臨床路徑決策,高精度多模組肺癌臨床數據人工智能整合平台,未來可運用於其他類癌症,更有助於精準醫療AI產業繁榮這種發展。(文/人工智能醫療研究中心)

榮獲2021 第18屆國家新創獎


隨著人工智慧的發展,深度學習模型開發及應用已逐漸成為病理學領域的研究及發展方向。近年來,數位病理AI因為卷積類神經網路(Convolutional Neural Network, CNN)在影像辨識領域的優異表現而受到重視,不僅能輔助病理師更精準的判斷癌症病灶,更可能減少誤診的可能。然而,數位病理全玻片影像(whole slide image)的解析度非常高,由於用來做計算加速的圖形計算卡(graphics processing unit, GPU)上面的記憶非常有限,無法容納解壓縮後的全玻片影像内容,以及在深度神經網路計算過程中產生的中間產物,因此要在一般電腦伺服器運算下,用如此高解析度的病理影像訓練深度神經網路是非常困難,目前常見的解決方法是由病理醫師在病理影像進行細節標註,再將影像切成小圖(patches)以進行AI訓練,這種方式在標註及訓練上非常耗費人力、時間及運算資源。本研究技術的特色為僅需影像級標註,不需花醫師人力作細節標註,即可訓練深度神經網路對切片進行準確之癌症區域偵測,並可達到很高的影像辨識正確率,此技術可大幅降低病理醫師在診斷上的時間、提升準確率,更重要的是此方法對於推動數位病理AI的發展將會有非常大的貢献。本研究後續發展之優化技術,能達到在一周內完成數千張病理全玻片影像之訓練和獲得之優異訓練成果,同時在相同癌症類別之全玻片病理組織切片之次分類準辨識確度上達到95%以上的區辨力之表現,將大幅提升其臨床應用價值。

榮獲2022 第19屆國家新創獎


「肺癌臨床決策智能輔助共享系統」
肺癌臨床決策智能輔助共享系統以「早期預防、精確診斷、精準用藥」為目標,以電腦斷層(CT)和全玻片數位病理影像為基礎,運用北醫高品質臨床大數據與先進自然語言處理技術,結合臺灣醫療科技大廠雲象科技,共同發展肺癌臨床決策智能輔助醫病共享系統(CDSS-SDM)。

本系統可協助臨床醫病進行治療決策,透過上千筆大數據資料、基因庫等,預測患者存活率,甚至可透過大數據預測肺癌腦轉移機率,讓患者及早獲得適切藥物抑制腦轉移,並可比對全球臨床試驗,為病人選擇最佳試驗機構。根據臨床實際病程發生的流程,提供醫師與病患診斷、用藥、預後評估,達到醫病共享決策,本技術以深度學習為基礎所發展之肺癌臨床決策智能輔助共享系統,可優化真實肺癌臨床路徑決策,更有助於精準醫療AI產業蓬勃發展。

榮獲2022 未來科技獎


「多模人工智慧個人化4D高齡健康失智預測模組」
臺北醫學大學陳震宇副校長結合三家附屬醫院之神經放射影像專家、大數據生資專才及人工智慧校級跨領域團隊,以「多模人工智慧個人化4D高齡健康失智預測模組」技術,於2022年10月15日榮獲科技部2021未來科技獎,本校同時還有蕭宇成老師團隊以「膽固醇型液晶AI光電感測智慧物聯技術於環境檢測、醫學檢驗、防疫快篩與綠能減碳之使用」獲獎,10月11日~20日於未來科技館(臺北世貿一館)進行實體與線上展出。

「多模人工智慧個人化4D高齡健康失智預測模組」為本校陳震宇教授/副校長與神經醫學研究中心李宜恬研究員、數據處許明暉數據長、資訊處張資昊資訊長、雙和醫院神經內科胡朝榮醫師/副院長,攜手合作執行2021年國科會「打造國家級全方位人工智慧精準健康數據樞紐模式計畫(National Hub)」,該技術使用國際大型失智資料庫數萬筆高齡腦部磁振影像,以「即早介入、延緩老化、預防醫學」為目標,針對高齡亞健康族群,結合醫療科技產業,打造多模人工智慧個人化4D高齡健康失智預測模組,並聯合北醫一校三院(北醫附設醫院、雙和醫院、萬芳醫院)及國內四大醫學中心(臺大醫院、成大醫院、北榮醫院、萬芳醫院)做前瞻性臨床驗證,期望可以達到臨床實務可運用性,進一步推動醫療人工智慧產業之發展。

醫療進步與少子化,使臺灣加速形成高齡化社會,失智患者也逐年增加,依臺灣失智症流行病學調查結果: 65歲以上老人每12人即有1位失智。目前全球人口有75%為亞健康狀態,是失智高風險群,發展腦心智退化之早期偵測指標與風險預測模式,為降低社會醫療照護成本的第一步。

人工智慧個人化4D高齡健康失智預測模組,可以僅藉由當次掃描的磁振影像,建構出個人化4D人腦老化時間軌跡圖譜。此演算法模組不僅能預測未來腦皮質萎縮區域,亦能精準預測未來時間的失智分數以及症狀表現型,預期可為亞健康族群提供未來腦心智老化期程之風險預測模式,亦有助於即早介入、延緩老化及預防醫學的發展。

本技術發展的高齡健康大數據精準醫療人工智慧平臺,可針對亞健康族群提供個人化腦心智退化程度評估,這種前瞻性多模組高齡健康暨失智人工智慧整合平臺,未來將可推廣於其他影響神經認知之疾病,如新冠肺炎、腦震盪後認知損傷等,更有助於精準醫療人工智慧產業蓬勃發展。

2023 Netizen_s Choice Award


2023 Google Cloud Award – BE Accelerator


榮獲2023 未來科技獎

「運用生成式深度學習預測晚期肺癌藥效預後和篩選全球臨床試驗」
肺癌是台灣癌症十大死亡之首,每年約新增一萬名肺癌患者,其中六成確診者已經是末期,需要快速精準用藥或尋求新藥臨床試驗。雖然近年標靶藥物與免疫療法有長足進展,肺癌病人的五年存活率仍僅約15%。臨床上,肺癌從初步診斷到開始治療決定選擇何種第一線治療藥物,是一個相當複雜且費時的過程。病理文字報告是肺癌治療的重要參考,富含著大量的醫療決策線索。然而,這樣長篇的非結構化報告內容,需要花費大量時間閱讀摘取重點,還需從大量的資訊與條件中篩選出可能適合的用藥和新藥臨床試驗,對於癌末的病患往往緩不濟急。為提高肺癌末期診療治療效能、達到精準醫病決策共享。臺北醫學大學校級跨領域團隊運用高品質臨床大數據,首創新的自然語言處理與生成式AI技術,運用多模預測方法,只需輸入病患的病理報告,就能在5秒內獲得最佳治療用藥組合指引,以及合適的新藥臨床試驗,大幅縮減治療的等待時間,為晚期肺癌治療帶來了重大的突破。本團隊所訓練的BERT與GPT模型能從複雜的病理文字報告中,提取出52項重要的病理特徵(features),並進一步生成病理摘要,讓病理報告中的重要資訊一目了然,也能確保高度機敏醫療資料的安全性和隱私保護。我們使用BERT技術進一步摘取超過5000例完整肺癌病人的用藥、治療效果和存活期特徵,然後將單一病人的特徵以Prompts的條件方式透過本團隊訓練的生成式GPT技術,最終產生最佳預後的選藥治療建議,這個決策建議是特徵自動比對與生成式學習的結果,等於彙整百位醫師治療數千名病人的經驗,產生高度精準預測,有助於醫師和病人之間的決策共享。對於預後較差或沒有一線藥可用的病患,我們的模型能自動媒合全球新藥試驗場域,比對新藥收案條件(inclusion criteria),快速提供病人地理位置最近的新藥試驗機構,以期延長末期癌症生存期。

這項前瞻的技術已經申請美國以及台灣四項專利,證明了它在醫療領域的創新性和價值。透過我們所研發的系統,能在短時間內達到病理報告彙整並給予治療建議,有效地改善醫病決策共享的流程,讓病人能夠更快速地接受到個人化精準治療。此外,這樣的技術也能夠改善偏遠地區的醫療品質,降低所需的人力,有效地解決醫療量能不足的問題。以精準醫療人工智慧技術,提升臺灣的醫療水準。

榮獲2023 NBRP Pitch Day傑出團隊獎


榮獲2023 第20屆國家新創獎

「多模人工智慧個人化4D高齡健康失智預測模組」
因應高齡化社會,我國失智症人口逐年增加,醫療支出提高、照護人力等挑戰亦伴隨而至。臺北醫學大學附設醫院陳震宇特聘教授團隊開發DeepBrain Cognito腦部健康失智預測模組,以AI技術分析大腦皮質層的萎縮區域,預測大腦年齡以及未來發生失智的機率。「多模人工智慧個人化4D高齡健康失智預測模組」榮獲2023國家新創獎,並於2023年INNOZNE創新技術特展展出。

DeepBrain Cognito為陳震宇特聘教授與神經醫學研究中心李宜恬研究員、數據處許明暉數據長、生物資訊中心張資昊主任、雙和醫院神經內科胡朝榮醫師/副院長攜手打造,可僅藉由當次掃描的磁振影像,建構個人化4D人腦老化時間軌跡圖譜,預測未來腦皮質萎縮區域、精準預測失智分數以及症狀表現型,預期可為亞健康族群提供腦心智老化期程之風險預測模式,達到「即早介入、延緩老化、預防醫學」的目標。此預測模組聯合北醫一校三院、國內四大醫學中心進行前瞻性臨床驗證,期望達到臨床實務可運用性,進一步推動醫療人工智慧產業發展。