雲象科技與北醫共同研究成果 登上國際科學期刊

雲象科技AI技術超越美國知名病理AI公司Paige所提出的方法。

雲象科技今日發表與台北醫學大學(北醫)合作的數位病理AI共同研究成果登上Nature Communications，此突破性的研究採用零細節標註零分割方法，得以將未經切割的病理全玻片影像直接用於訓練AI模型，大幅節省醫師專業人力，技術超越美國知名病理AI公司Paige，成功解決數位病理AI開發痛點。

尖端科技助攻癌症辨識  奠定台灣AI技術領先地位

雲象科技執行長葉肇元醫師表示，從建立AI技術之初就已預料到，病理AI開發所需的大量標註工作將會成為此領域發展之重大瓶頸。因此雲象科技三年來持續探索直接以超高解析度影像，在不需細節標註的情況下即可訓練AI的解決方案。

北醫近年來積極投入病理數位轉型，推動十大癌症病理影像數位化。在科技部巨量醫療影像計畫支持下，北醫更建置包含胸腔電腦斷層及病理組織切片的肺癌特色資料集。

在過去三年間，北醫團隊和雲象密切合作，結合其肺癌病理資料及雲象的大圖運算技術，成功訓練AI進行肺癌辨識，技術水準超越美國知名病理AI公司Paige所提出的方法。這項研究成果近日發表於國際頂尖科學期刊Nature Communications。

彙集醫療AI發展三大要素  樹立產官學合作典範

醫療影像AI研發成功有三大不可或缺的要素，AI技術、大量高品質的資料、及充沛的計算能量。此次發表的研發成果，除了北醫巨量醫療影像團隊的資料、雲象的AI技術，計算資源也仰賴國研院國家高速網路與計算中心，於前瞻基礎建設計畫支持下建置的台灣杉二號超級電腦。此共同研究成果，充分展現了產、官、學合作所發揮的綜效，為台灣AI發展樹立典範。

此項發表的重要性在於，數位病理全玻片影像，不再需要影像切割及費時的細節標註，即可用來訓練AI做癌症辨識。這項突破性的技術，可以讓醫院充分應用過去所累積的大量玻片資料，進行AI研發。可以預見此技術將為醫療AI尖端技術帶來嶄新的局勢，奠定台灣於全球AI發展上的領先地位。