【台北訊】集結三方優勢齊心破解MPN：龐大數位病理資料庫+AI技術+創新醫藥

21世紀是AI人工智慧科技時代，從金融、教育到醫學領域，處處可見AI技術之應用。雲象科技與台灣諾華首度攜手林口長庚紀念醫院，跨界打造血液病理AI輔助判讀應用，將AI技術運用於血液病理診斷。血液癌症難以早期察覺，以骨髓增生性腫瘤（myeloproliferative neoplasm，簡稱MPN）為例，因其種類多、臨床症狀相似，以及骨髓病理切片與突變特徵有高度重疊，故過往以人工鑑別診斷不容易，需仰賴經驗豐富的臨床血液科醫師及血液病理次專科醫師。若沒有及時提供準確的骨髓切片判讀結果，恐會延誤治療時機，進而影響病患存活率！

骨髓增生性腫瘤種類多醫師傷腦筋　林口長庚玻片判讀量大為AI導入最佳人選！

林口長庚紀念醫院解剖病理部陳澤卿主任指出，該院每月有近萬個案例、高達上萬筆的病理玻片需要判讀，病理團隊每日皆須面臨龐大且急迫的病例，為了能及早且精準幫助病患確診，林口長庚已全面將病理玻片數位化，為全台少數完成跨院區病理科數位化的醫療院所，可大大提升判讀方便性。目前林口長庚數位化玻片已累積超過38萬片，以每玻片0.1公分計算，堆疊高度達380公尺，相當於126層樓高，其為AI研究開發的絕佳基礎！此次合作透過龐大的數位病理資料庫，運用AI進行深度學習與訓練，期望能發展出一套可辨識骨髓增生性腫瘤的模型。

針對病理切片判讀，林口長庚紀念醫院解剖病理部莊文郁副主任進一步解釋，林口長庚骨髓切片主要是由血液病理次專科醫師進行判讀，而其判讀的複雜度遠超乎一般人所能想像，病理醫師必須仔細評估各種造血細胞在顯微鏡下的數量及形態，特別是巨核細胞的形態特徵、數量及空間分布，才能得到精準的診斷。以人工進行判讀，難以取得客觀量化的結果，且會存在不同診斷者間的差異，特別是對於該疾病較不熟悉或經驗較少的醫師會更難判讀。郭明宗醫師以早期世界衛生組織尚未明確分類時為例，曾有20%的患者原先被診斷為原發性血小板增多症（ET），後續分類後重新診斷為原發性骨髓纖維化（PMF），顯示其診斷的困難與複雜性！

• 

• 

跨界集結三方指標性領導者 齊心破解『MPN謎題』！　

改善患者生活品質與延長存活期是各界對於癌症治療的共同目標，諾華腫瘤（台灣）總經理陳喬松表示，身為全球製藥領導者，自第一代標靶治療到目前最創新的細胞基因療法，諾華持續為癌症治療創新里程碑。同時，亦致力運用資料科學以發展先進藥品，運用大數據分析及AI數位科技是諾華重要的策略方向。目前血液腫瘤的早期診斷仍有未被滿足的需求，此次攜手雲象科技及長庚醫院，正是諾華企業宗旨「重新創想醫藥未來以改善並延長人們的生命」的實踐。期望結合三方優勢，能幫助更多血液腫瘤病患及早診斷並接受治療，降低疾病惡化的風險，延續病患的生命並提升生活品質。

雲象科技創辦人暨執行長葉肇元醫師也指出，血液疾病的診斷與治療相當困難，然而因病患數不如其他器官癌症，故新技術如AI較不會第一時間應用在血液疾病上；不過，對血液疾病來說，以形態學為基礎的病理診斷扮演關鍵角色，而型態辨識正是AI在醫療上能有最大發揮空間的面向。雲象科技自2018年起，陸續與台大醫院、林口長庚醫院、奇美醫院，分別進行骨髓抹片細胞型態辨識、淋巴瘤型態診斷及預後分析等血液疾病AI的應用，所累積的技術與應用開發經驗，挹注於開發「骨髓增生性腫瘤」AI輔助判讀與病理診斷。展望血液病理的發展，葉肇元表示，相信在AI輔助下，型態診斷的重要性會再次提升，和近年備受矚目的分子及基因診斷相輔相成，進一步強化血液疾病診斷以及治療的品質。