乳癌是國人女性癌症發生率第一，越來越多適齡婦女會進行乳房X光影像檢查。根據衛福部統計，2018年乳癌篩查量已經超過86萬筆檢查，也造成負責篩檢報告的醫師工作壓力極大。
計劃欲藉由醫療影像人工智慧，解決乳房X光閱片醫師不足與日益上升的影像檢查數量問題，以提高醫療品質，讓醫療能藉由科技輔助回到以人為本的核心。
使用最容易擴充、最不干擾醫院線上系統的方案，透過自動化AI運算與院內現有乳篩作業、醫師PACS閱片及RIS報告系統流程進行整合；並開發運行於載具端的App產品，方便乳篩巡迴車部署及國外市場推廣。
AI 規格說明
1. 利用ios模型框架進行AI整合，實現離線邊緣運算，當系統接收新影像時即可在裝置上運算並呈現最終結果。
2. 乳篩模型利用多視角分析技術組合複合模型，並同步分析Mammo影像的四個view。
UDE 規格說明
提供可安裝於iOS或Android系統之『行動醫療影像應用App』二套，作為行動影像工作平台。
（1）. 可以儲存影像、檢視影像並與現有DICOM Server、影像設備進行DICOM通訊。
（2）. 支援DICOM Verification SCU/SCP，STORE SCU/SCP，FIND SCU/SCP，MOVE SCU/SCP，包含DICOM影像儲存、查詢及取回。
（3）. 可以顯示高解析度之醫療影像，解析度最高可達5.6 megapixel， 具備 FDA認證，可用於3MP醫療影像判讀。
（4）. 可以將兩組行動影像工作站透過wifi配對，使用內建之掛片系統進行影像比對。
（5）. 可以透過網路從Server下載及檢視影像而無需將影像轉換為JPEG格式。
（6）. 可以高速傳輸壓縮比為lossless及lossy之影像。
（7）. 可以顯示堆疊之影像以及播放功能。
（8）. 可以播放動態影像(Multi-frame影像)，也可以針對多張影像進行動態播放，並顯示影像當前的slice number。
（9）. 任何DICOM圖像可以顯示標籤信息，標籤內容可以依儀器種類設定。
（10）. 影像排列可為1x1, 2x1, 2x2。所有影像皆可以full size的方式顯示。
（11）. 需支援Core ML或其他在行動終端的機器學習的框架，達成為未來國軍體系所開發影像的AI應用邊緣離線式即時運算，例：當影像送到DICOM影像行動App時，自動觸發載具內的AI模組，進行運算並產出結果。
（12）. 支援QR-code影像即時分享連結。
團隊拜訪各家有實行乳篩作業之醫院，探討發現；現今乳房篩檢量體龐大，尤其是具有乳房篩檢巡迴車之醫院，然而乳房X光閱片是需要專業訓練與認證資格的醫生才能進行，相對上人數較不足，且醫生也有醫院本身放射影像需要判讀，往往會造成乳篩影像追蹤時程拉長，病患延誤就醫的情況。
雖然現行放射影像科醫師大多可藉由CAD（Computer-aided detection）系統檢測乳房影像中的病徵與輔助醫師標記，但CAD系統對於初期篩檢鈣化點和腫塊可用度較低，常造成系統偽陽性（FP, False Positive）過高，偽陽性經常性比率大於60%，且CAD設備與醫師工作流程沒有整合使得醫生使用率不高。
有鑒於以上情況，我司與資策會合作，將其開發的「乳房X光輔助判讀人工智慧」整合至醫院乳房篩檢的流程中，並與院內醫療影像系統（PACS, Picture Achieving and Communication System）、放射科資訊系統（Radiology Information System）進行整合，提供醫師流暢使用者體驗；另外更進一步搭配邊緣載具運算與5G（或4G）傳輸方案以應用在乳篩車、遠距醫療、支援山地離島地區或是醫療資源較缺乏（醫師數量不足且無法購置昂貴硬體及建置整套系統）地區，打造「智慧乳房X光篩檢」AI整合性解決方案。
