先進研究

胰臟癌的發生率逐年上升，根據國人死因統計，胰臟癌已高居第七大癌症死因，108 年有近 2500 名國人死於胰臟癌，佔癌症總死亡人數的二十分之一，與乳癌死亡人數相近。電腦斷層攝影是偵測胰臟癌的主要工具，然而，約四成的小於兩公分的胰臟癌在電腦斷層攝影上難以辨識，因而導致延遲診斷，錯失治療的機會。

國立臺灣大學 MeDA Lab，與國立臺灣大學醫學院附設醫院廖偉智主任團隊合作，開發出「世界首創胰臟癌 AI 自動偵測模型 - PANCREASaver」，對於小於兩公分的胰臟癌的敏感度超過九成，可以輔助醫師判讀電腦斷層影像，及早偵測與診斷胰臟癌。未來將實際應用於臨床場域，成為輔助放射科醫師的智能工具。

#CT

國立臺灣大學 MeDA Lab，與國立臺灣大學醫學院附設醫院許哲瑜醫師團隊，開發「精準腫瘤治療顧問」(Precision Cancer Advisor, PCA)。「精準腫瘤治療顧問」具備自我學習的智慧功能，超越一般 AI 模型成效，可以輔助放射腫瘤的醫師精準地圈選小顆的腦轉移腫瘤，提供病人早期腦轉移癌症的偵測與預後預測，藉以協助醫師快速精準地規劃放射治療的療程，邁向個人化的精準醫療。

「精準放射腫瘤治療顧問」未來將融入醫師臨床的工作流程，逐步拓展至肺部、肝臟、下咽等器官，致力於成為放射腫瘤科醫師最佳的臨床智慧工具。

#CT, #MR

2020 年新冠肺炎疫情肆虐，國際間試圖透過 AI 技術提出解決方案，共同對抗疫情。 國際科技大廠 NVIDIA 聯合美、英，加、巴西、台、日、韓、泰等 20 間醫院，共同進行聯邦學習，訓練出適用全球，且精準度高達 94 % 之 AI 模型，可用於預測具有 COVID-19 症狀的患者，需要補充氧氣的需求，以作出更好的臨床決策。

國立臺灣大學 MeDA Lab ，攜手科技部全幅健康照護中心與中央健保署，獲邀參與此次大規模跨國研究，投入先進技術，展現臺灣科技及醫療實力，也在疫情中，為世界貢獻一己之力。

#CT, #EMR

可攜式 X 光機（Portable X-ray, PXR）是急診醫學中，重要的診斷與檢查工具，然而，從病患做完檢查後，將影像上傳資訊系統，而後到醫師判讀的流程仍是相當耗時，此過程通常需要 30 到 60 分鐘。

國立臺灣大學 MeDA Lab 與國立臺灣大學醫學院附設醫院急診部黃建華主任及王志宏醫師團隊合作，開發 AI 輔助偵測系統，當病患照完可攜式 X 光後，影像會自動上傳至醫院與急診室的醫療影像儲存傳輸系統 (PACS)，而移動式 X 光機上的 iPad，將自動讀取急診室 PACS 的影像資料，並同時透過已開發完成的人工智慧模型，判讀病患的影像中是否有出現肺炎、氣胸、肺結核的病灶，此外，針對剛完成插管的病患，此系統將協助醫師判斷其影像上是否有鼻胃管、中央靜脈導管、氣管內管的誤置，如此一來便能即時示警，讓醫師可以迅速做出處置。

#X-ray

國立臺灣大學 MeDA Lab ，與國立臺灣大學醫學院附設醫院急診部黃建華主任團隊合作，致力於開發「心跳停止事件的預後評估系統」。本系統利用先進人工智慧技術，深入分析心跳停止後各個症候的相關表現，同時剖析生理數據及醫學影像等多重信息。本系統包含利用電腦斷層影像評估腦部損害及預測神經學預後模式、腦波評估腦部損害及預測神經學預後模式、預測心跳停止病人神經學預後模式、建立多模式聯合 (multimodal) 預測模式等，提供急診室醫師作為評估參考指標，以達到臨床上最佳化治療效果，進而改善病人預後狀況、增進病患安全及醫療效率。

#CT, #MR

臺灣的健保資料庫擁有大量電腦斷層 (computed tomography, CT) 影像，是推動智慧醫療研發的重要資料庫。然而，此資料庫中，並無標註影像所涵蓋的身體部位，因此造成研發人員難以進行影像檢索。國立臺灣大學 MeDA Lab，與睿傳數據股份有限公司共同開發「BodyPart 醫學影像智慧檢索系統」，得以正確且快速地分辨頭、頸、胸、腹部等身體部位及重要器官，現已佈建於健保署，嘉惠智慧醫療產業及相關學術研究。

#CT

卵巢癌由於死亡率高，具備易復發且轉移速度快的特性，加上卵巢位於下腹部骨盆腔內，結構相當複雜，造成早期診斷不易，因此，目前已位列台灣前十大癌症死因。

國立臺灣大學 MeDA Lab 聯合長庚醫院林吉晉主任團隊，共同開發卵巢癌 AI 全自動化偵測系統，並輔助醫師判讀腫瘤為良性 (Benign)、惡性 (Cancerous)或邊界瘤(borderline tumor），以利醫師做出診療決策，提升整體醫療品質。

此外，本團隊的研發成果將會拓展至骨盆腔內的其他癌症種類，同時也會針對骨盆腔內的轉移癌，進行原發部位的分析，輔助醫師判斷骨盆腔轉移癌的原發處，作出更精準的臨床治療決策。

#CT

大腸鏡檢查是近年來使用最普遍，也是診斷大腸癌的利器，然而，品質不佳的大腸鏡檢查不僅可能錯失診斷癌前病變的先機，更可能造成不適及併發症，因此，大腸鏡檢查品質的重要性可見一斑。

國立臺灣大學 MeDA Lab，與臺大醫院健康管理中心共同研究，建構以人工智慧工具，有效評估大腸鏡品質的四大指標：盲腸到達率、腺瘤偵測率、腸道準備與退出時間，進一步改善預測準確率，以提升大腸鏡手術之品質。同時，也利用大數據建立統計模型，評估民眾需要接受大腸鏡檢查的時機。

#Colonoscopy Pictures

根據衛福部資料顯示，心血管疾病高居第二大死因；然而，八成的心血管疾病是可以預防的。「年齡」是心血管疾病的高危險因子，且台灣已進入高齡社會，如何防範心血管疾病成為重要議題。事實上，心血管疾病需要長時間監控，突發時卻猝不及防，再加上國內醫護人力資源有限且分配不均，產生偵測、診斷及照護難度高的困境。

拜醫學及科技進步之賜，心血管疾病的檢測設備不斷發展，已累積大量醫學影像及數據。 此外，物聯網 (IoT) 技術的發展，帶動軟硬整合 ，將心血管疾病的偵測，實現於個人化的裝置中，將心血管疾病的預防延伸至民眾日常生活之中。

CVS 將開發智慧分析引擎，輔助醫師做出更精確的判讀及臨床決策，並進行軟硬整合，連結雲端及物聯網，使心血管疾病的預防能在日常生活中實現，降低心血管疾病帶來的風險，全面優化心血管疾病之預防、診斷與預後推估，提升整體醫療品質。

#ECG

國立臺灣大學 MeDA Lab，攜手國際科技大廠 NVIDIA 與國立臺灣大學醫學院附設醫院心臟科的醫學影像和資深醫師臨床經驗，藉由 3N (NTU、NTUH、NVIDIA) 密切合作，建構跨領域及跨國際的研發團隊，共同開發「冠狀動脈疾病診斷智慧助手 Coronary Artery Diseases Diagnosis Intelligent Enhancer, CADDIE」。

適用於 CADDIE 的醫學影像包含胸腔斷層掃描影像 (Computed Tomography) 與冠狀動脈電腦斷層血管攝影 (Coronary Computed Tomogaraphy Angiography)。CADDIE 的建置過程首先開發整合多模態的醫學影像分析技術，接著使用數間合作醫院的數據進行嚴謹的遞迴式驗證，最終利用 NVIDIA Clara 深度學習套件，以端到端流程進行醫院落地佈建。

#CCTA, #CAG, #SPECT

國立臺灣大學 MeDA Lab，與國立臺灣大學醫學院附設醫院麻醉部合作，透過建立微循環資料庫，並利用機器學習自動分析微循環型態和參數，此種微循環型態分析可判斷健康人、敗血症病人、洗腎病人和腎移植病人的微循環影像，機器學習輔助微循環自動分析可提升即時性與正確性，讓微循環的資訊能更即時地輔助臨床診療。

#Video

重症加護病房（ICU）病患的健康狀況變化迅速，因而使得臨床醫生難以預測和預防新的併發症，例如：敗血症、急性腎衰竭等。本團隊試圖結合病患各式的生理資訊與醫學影像，進行 ICU 病患的預後預測，以及早做出處置，降低病患的死亡風險。

#EMR, #X-ray