【109年 解決方案】 大世科運用醫療影像辨識協助提升乳癌判斷正確率85%
導入「AI醫療影像識別系統」,協助放射科醫生能方便快速完成影像識別的工作,降低放射科醫生的工作負擔。
非侵入式的不同選擇
醫學影像辨識是放射科醫生的重要工作,醫生必須根據病患的檢查資料,提供專業的判斷。當發現某個腫瘤時,必須判斷是否為癌症。可行的方式包括非侵入式的醫學影像以及侵入式的切片檢查二種。侵入式的切片雖然準確率高,但對於病患身心均造成不小的壓力。
目前透過影像辨識用來判斷腫瘤的僅能判斷有無腫瘤,尚未能檢測出良惡性腫瘤的區別。判斷乳癌的良性或惡性腫瘤,大同世界科技公司協助財團法人彰化基督教醫院影像醫學部,為全台第一家醫院導入「AI醫療影像識別系統」,將人工智慧乳房X光攝影良惡性判斷正確率提升達85%,可經由影像判讀從原本良惡性二分法轉變為機率表現之BI-RADS分級。
AI醫療影像識別系統 提升乳癌判斷正確率達85%
AI醫療影像辨識系統可以輔助放射科醫生做快速的判讀。初期將以乳房x光攝影為專案標的。由於發現腫瘤時,判斷是否為癌症必須藉由病理切片檢查或乳房x光攝影。病理切片為侵入性檢查,雖然正確性較高但相對所付出有形與無形的成本也較高。
同時,有助於提升乳房x光攝影判讀的效率與正確性,再加上結合優化乳房x光攝影判讀流程,將有助於降低放射科醫師的工作量與降低病患等待檢查報告的時間。另一方面,透過人工智慧的輔助,亦有助於降低放射科醫生主觀判斷的差異並避免人為疏失,協助院方建立共同標準,增進不同科別醫生兼協同合作之效率。
▲CNN (Convolutional Neural Network)模型
輔助醫生做快速判讀外,彙整導入AI醫療影像識別系統之效益:
一、提供人工智慧乳房x光攝影以BIRADS分級,輔助放射科醫生判讀。
二、優化醫療影像辨識流程,提升現有流程自動化程度。
三、使用國人醫學影像為樣本重新訓練模型。
四、採用較佳之CNN模型提升正確性與模型穩定度。
五、定義BI-RADS分級與AI良惡性判讀之關聯性;從原本之二方法(良惡性)轉變為機率表現之BI-RADS分級。
人工智慧之所以能應用於醫療輔助判斷,先決條件是正確率必須高於85%,如此對於放射科醫師才有參考價值。透過人工智慧的輔助,放射科醫師判讀單張x光乳房攝影影像,並給予BI-RADS分級之整體判斷時間,本計畫實施後將降低為原本之50%,從原本10分鐘左右降低至5分鐘以內,提供具有效率且正確性的AI輔助效果。
▲大同世界科技股份有限公司董事長沈柏延