WISE-PaaS/AIFS醫療影像AI方案有效提升診療效率

研華AIFS的醫療影像AI方案，其模型訓練流程中包含四項作業程序，圖像資料前處理、圖像分割與模型、特徵萃取與分析、診斷分析看板。

綜觀醫療保健體系，放射科醫生堪稱富含價值的要角，影像醫學是當今高科技醫療中不容或缺的一環，許多細微病灶，都需要借重放射科醫生的專業辨識力，從 X光、CT 或 MRI 影像檔案看出端倪，見微知著。儘管在大量檔案當中，真正被檢出患部的比例不高，平均僅4~10%，但放射科醫生仍需從頭到看完每張片子，難免面臨作業時間長、工作負擔重的情形。

長此以往，這般作業模式恐造成遺憾影像檔案的檢視順序，乃是依照先來後到，假使重症病患較晚接受照影，也會較晚被檢出病灶，可能錯失診療或救治的最佳時機。

著眼於此，因應醫療中心的需求，研華發展基於WISE-PaaS/AIFS的醫療影像AI方案與諮詢服務，第一階段率先推出「胸部X光圖像之氣胸檢測」方案，目標藉由AI協助檢測每份影像檔案，判斷風險等級高低、藉此進行分類分群，假使偵測到高風險病灶，便立即向放射科醫生發出警訊，以利醫生優化調整作業順序，得以聚精會神優先檢測高風險檔案，連帶確保重症病患能夠優先獲得診治。另一方面，也有助於改善放射科醫生的工作環境，減少眼力耗損，利於延長職場壽命。

基於WISE-PaaS/AIFS所開發醫療影像AI方案，涵蓋六大實作步驟，依序是取像、推理、確認、標註、模型再訓練、模型換置；透過六步驟的持續循環，可促進模型持續精進優化。

具體來說，AIFS的醫療影像AI方案，其模型訓練流程中包含四項作業程序。首先是「圖像資料前處理」，先將圖像格式從DICOM轉為PNG，再搭配AIAA人工智慧輔助標示工具來輔助標註，加快醫生標註影像的效率。其次是「圖像分割與模型」，按醫生設定的檢測需求進行建模，並搭配生成對抗網路(GAN)技術、模擬合成更多的訓練資料量，解決各醫院影像資料不足、難以推動模型訓練之問題。

第三道程序是「特徵萃取與分析」，藉由各種統計方法，分析每一個病灶的強度、紋理及高階特徵。四是「診斷分析看板」，透過此看板協助醫生深入剖析病灶、獲得診療方式的推薦建議、執行預後預測，使醫生能夠產出最佳的醫療決策。

截至目前，研華WISE-PaaS/AIFS的氣胸檢測方案已獲得臺灣南部某大型醫院的青睞，以此進行多次驗證，證實能有效促進放射科醫生工作順序的最佳化，得以優先檢測疑似帶有氣胸病灶的影像資料，讓一些罹患氣胸、但較晚進行X光拍片的病人，不致延誤診療時效，因而提高存活率，可謂意義重大。

據了解，研華基於公開資料集建置深度學習X-光片氣胸分群模型，導入至上述醫院時，再搭配採用AI架構服務的資料前處理、超參數調校等功能來優化模型，進而完成可分群醫院 X-光片是否有氣胸(Yes/No)之AI模型；後續證實在醫院測試集上Dice Index超過0.8，已達到可上線使用的標準。

值得一提，關於氣胸檢測的取像、推理、確認、標註、模型再訓練、模型換置等六項執行步驟，其實亦適用於主動脈剝離、肺炎／肺結核／肺癌、腦出血等其他重症檢測工作，因此研華未來將攜手更多智慧醫療生態系夥伴，擴大基於WISE-PaaS/AIFS的醫療影像運用範疇，接續繁衍出主動脈剝離檢測方案、肺部病症檢測方案、腦出血檢測方案等等，讓更多病患受惠。