首頁 > 以人工智慧建立醫療影像自動化標註機器 讓腦部病變無所遁形
:::
以人工智慧建立醫療影像自動化標註機器 讓腦部病變無所遁形
腦小血管病意指腦小血管群的病變,使得未來中風的風險增加一倍以上。但過往的醫學影像學,沒有辦法顯示明顯的大血管狹窄或堵塞,使得醫生往往很難為病症提出好的治療方式。衛福部雙和醫院研究團隊透過人工智慧,建立影像自動化標註機器,協助臨床影像判讀的效率與精確性,加速醫師的臨床治療決策。
 
 
中風是健康的一大殺手。根據世界衞生組織(World Health Organization, WHO)資料,中風自1990年以來為已開發國家中繼缺血性心臟病、癌症之後的第三大死因。全球每年約有550萬人死於中風,其中三分之二來自於已開發國家和開發中國家。腦血管疾病也高居國人十大死因第四位,除了腦部大血管疾病造成的腦梗塞、腦出血、蜘蛛網膜下腔出血之外,大約有五分之一來自於腦部小血管的病變。

透過偵測出之多模式影像資料,結合臨床資訊,最終目標是以機器學習方式分類,自動生成人工智慧建議之影像報告。 (圖片來源:計畫團隊提供)
▲透過偵測出之多模式影像資料,結合臨床資訊,最終目標是以機器學習方式分類,自動生成人工智慧建議之影像報告。 (圖片來源:計畫團隊提供)
腦小血管病影響嚴重  增加中風與老年失智風險
腦小血管包括穿孔小動脈、毛細血管和小靜脈,這些小血管對於維持大腦的最佳功能非常重要,若發生病變,可能造成腦白質和深部灰質腦損傷,形成十分嚴重的問題,包括認知病變、精神和神經方面疾病及身體殘疾等。腦小血管病(SVD)是醫界描述此種病變的術語,據統計,該疾病會使未來中風的風險增加一倍以上,也占老年癡呆症的45%,造成社會成本之巨大,可想而知。


當病人表現出神經學上的徵兆或缺損,但是影像學上卻沒有明顯的大血管狹窄或堵塞,或是新發生的腦部梗塞,神經科醫師們往往無法為病症提出好的解釋或是治療方式。也由於在磁核造影中腦小血管病的影像表現非常多變且缺乏一致性,因此我們對這個重要疾病的成因了解甚少,且目前的預防和治療皆效果不佳,主要仍依靠經驗治療,也導致治療的危險性。


多模定量性影像分析有助及早發現腦小血管病變  協助醫師對症下藥
多模定量性影像分析流程架構示意圖 (圖片來源:計畫團隊提供)
▲多模定量性影像分析流程架構示意圖 (圖片來源:計畫團隊提供)
為解決這個在臨床上極為常見,並對個人、家庭和社會都有極大影響的疾病,衛生福利部雙和醫院研究團隊利用臺北醫學大學附設醫院、雙和醫院及萬芳醫院的巨量資料庫,以電腦深度學習技術,對腦小血管病的數種影像變化做出定量和定性的分析,並希望能利用此數據,達成預測病人未來得到各式腦血管病變的可能性。此外,該計畫導入醫療影像與人工智慧分析技術,透過人工智慧的學習功能,期望能自動化偵測磁振血管造影,找出大血管動脈粥狀硬化病人發生狹窄的位置以及狹窄程度,以自動排除此類大血管狹窄的病人。該團隊也利用多模式的磁振影像,自動偵測得到定量化(quantitative)小血管疾病之病灶類型、大小及發生位置等資訊,取得多模式(multi-model)影像資料。
透過以上方式,雙和醫院將透過人工智慧建立多模性小血管疾病影像自動化標註機器,強化臨床影像判讀效率與精確性。而透過小血管疾病的影像生物標記(imaging biomarker)可幫助區分個人化的疾病嚴重度與危險性;同時結合年齡、性別、臨床功能分數、病史、預後及存等臨床資訊,建立影像-臨床表現預測機器,並進一步建立個人治療計畫(individual treatment planning),最終目標是以機器學習方式分類,以放射科醫師建構文字報告模板,之後自動生成人工智慧建議之影像報告,由此協助醫師加速臨床治療決策,並應用於藥物試驗之療效追蹤。
 
推薦文章

TOP