【高速運算應用-學研之星】國網中心HPC助攻臺北榮總 聯邦學習讓腦瘤判斷更精準

臺北榮總放射線部郭萬祐主任攜手各大學並善用國網中心資源，合作打造AI聯邦學習模式的腦瘤影像辨識系統。

數據是打造智慧醫療的基礎，數據的質量越完整，所建立的AI模型也就越精準，相較於其他國家，台灣擁有完善的健保體制，因此醫療資料量相對豐富。但醫療資料有其隱私性，在法律限制下，要將各醫院的資料彙整使用並不容易；對此，臺北榮總、陽明大學生醫光電研究所、交通大學統計所、瑞典Chalmers科技大學攜手合作，善用國網中心強大的運算資源，合作打造出AI聯邦學習模式的腦瘤影像辨識系統。

醫療資料量龐大、系統建置效益高，被視為重要的AI先期應用之一，由於台灣在醫療與電腦科技兩大領域都具備優勢，在科技部推動「醫療影像之巨量資料建立與應用研究專案計畫」，選出不同醫療與學術機構，針對不同醫學領域進行AI研究，其中臺北榮總主要負責腦部影像醫學。

臺北榮總於2017年啟動腦瘤AI研究計畫，放射線部郭萬祐主任指出，過去的AI訓練模式都是集中式，將各處資料彙整至單一資料庫後再行運算訓練，但存放於各醫院的醫療資料為個人隱私，較難將之集中與訓練。正巧，近年來IT產業的「聯邦學習」(Federated Learning)概念興起，臺北榮總團隊認為此概念可應用於醫學領域，因此決定導入醫學影像聯邦學習。

聯邦學習的特色在於資料不必離開原來的儲存處，只要透過其特殊的AI模型訓練方式，就可得到比擬集中式運算訓練的效果，此特色正好適用於須高度保護病人個資的醫療產業，因此2020年初，臺北榮總將科技部專案的國網中心運算資源應用於此，藉由該中心的TWCC平台，進行腦瘤影像AI輔助判讀的可行性評估。

郭萬祐表示，這些腦瘤影像數量不僅龐大，而且在科技部「醫療影像之巨量資料建立與應用研究專案計畫」三年的支持下都已完成病灶的標註，因此非常珍貴。在此同時，此計畫也從全球醫療資源中找到開源性資料集，以聯邦學習法進行AI模型的訓練。

AI模型的訓練過程中，臺北榮總在TWCC平台上，架構模擬聯邦學習法的虛擬醫院，並部署起始AI模型，各虛擬醫院以此起始AI模型對所配置的影像資料集進行AI模型的推論，之後並將推論後得到的數值與參數集結傳送到後端平台，後端平台經集結運算後將AI模型升級。接著將此升級後的模型傳回各虛擬醫院，進行新一波的模型推論，並產生新的推論結果。如此反覆驗證執行，得到高精準度的AI模型推論結果。郭萬祐指出，過去臺北榮總以院內既有IT系統運算，AI模型的準確率僅有57%，透過TWCC平台所建置的聯邦學習機制，在5個月內就達到至77%，隨著演算法的精進，未來AI模型的確效將進一步提升。

觀察聯邦學習在腦瘤影像AI的應用成效，可看出此技術未來發展潛力雄厚，而這次的成效如此顯著，郭萬祐指出國網中心的支援是關鍵因素。由於腦部影像不僅數量龐大，且牽涉到極高深的醫學專業知識，要讓AI的判讀精確度足以作為醫師參考，在軟硬體上都須有強大支援，國網中心的高速運算資源，則讓臺北榮總在短短5個月內以跨國研究團隊完成可行性評估，對計畫推展時程助益相當大。

郭萬祐指出可行性評估完成後，臺北榮總已和陽明大學完成在國網中心的聯邦學習初期實地驗證研究。展望未來，研究團隊計畫將此成果與合作研究模式實際推廣至全國其他醫療院所，一起提升腦部腫瘤AI診斷的精準度。除了推廣至台灣醫院外，聯邦學習也有助於台灣醫療機構的跨國合作，在保護個人資料隱私的前提下，突破時間與空間限制，與國外醫療機構攜手進行研究，讓彼此的醫療專業共同創造出更高價值。