【智慧醫療專欄】肺癌影像篩檢與人工智慧

學術研究
刊登時間

在臺灣10大死因中,惡性腫瘤發生率逐年上升,目前已經取代心腦血管疾病,躍居10大死因第一位。根據國民健康署2018年最新統計,肺癌目前為臺灣10大癌症死亡率第1名,而且發生率逐年增加。在臺灣這種現象尤其令人擔憂,因為臺灣的吸煙人口已經逐漸下降,其他致癌因素必須快速研究。另一方面,過去20年由於精準標靶藥物的發展,使得一些癌症能夠得到快速控制,但是肺癌5年存活率仍低於百分之十五,尤其是臺灣的女性,肺癌發生率不但逐年增加而且有年輕化的趨勢。在診斷方面,百分之七十五的肺癌病人在最初診斷就是末期,這也是為什麼肺癌5年存活偏低的原因。因而使用有效的檢查方法、針對高風險族群進行定期篩檢,成為國家衛生政策重要的一環。在所有肺癌篩檢中,低劑量電腦斷層檢查是目前最有效的診斷工具,尤其是針對一些毛玻璃狀病變、肺節結等早期肺癌得以早期發現。新一代低劑量電腦斷層影像可以在數秒間完成全肺部掃描,對早期肺癌非常敏感。電腦斷層檢查會產生大量高解析影像資料,對於影像科醫師必須在短時間檢查閱讀大量影像而言,是巨大的負擔,因而如果能發展高精準與高效率的電腦輔助診斷系統,對臨床影像篩檢而言,顯得特別重要。人工智慧近2年來有突破性進展,臺北醫學大學附設醫院(以下簡稱北醫)團隊於2017年獲得科技部巨量影像研究計畫補助,對於如何運用人工智慧來協助低劑量電腦斷層影像肺癌診斷,已經進行一年,研究目標在於如何能將肺結節(Nodule)影像特徵數據集(Features),利用影像特徵圖譜學(Radiomics),經由人工智慧深度學習的方法予以定量分析預測,有助於影像科醫師快速精準診斷,並能預測相關致癌基因等相關資訊,有助於臨床選擇標靶用藥。 傳統電腦輔助診斷的發展 在資訊工程的發展中, 電腦輔助偵測與診斷(Computer Assi s ted Detect i o n /Diagnosis,CAD)是一個最貼近臨床且百家爭鳴的領域。在過去,醫學資訊工程領域的研究依照其目的可以大致分為病灶/ 腫瘤分析及病灶偵測,透過數以萬計的醫師不斷累積的臨床資料分析,配合工程師從醫療影像中擷取出相對應的特徵,最後以電腦演算法就能歸納出最有效能描述病灶的特徵數據集(Features)。在早期的研究中,由於每一個獨立的研究團隊所開發的特徵數據集多半不同,這也間接導致資料分析技術上的瓶頸。同時,受限於電腦的運算效能及運算處理時間,病灶偵測在臨床上應用多無法達到即時偵測(Real-Time Detection)的目標。