13 專題報導 從2012年之後，人們發現到類神 經網路演算法與深度學習的優越性，在 影像辨識上利用深度學習及多項任務的 效能都超越了其他傳統方法。而越來越 容易取得的大型資料集正是推動深度學 習研究發展的主要動力之一。目前醫學 影像的傳輸與儲存已經有很好的標準及 系統，所以我們有很多的影像資料。然 而，大部分的醫學影像缺乏完整的標註 和整理，難以用來做人工智慧的訓練。 在進行一些放射治療計畫的時候， 醫師必須要在影像上將病灶標註出來，以 利治療計畫的進行。在腦部的立體定位 放射手術（Stereotactic radiosurgery， SRS），對於精確度的要求更高，醫師必須 仔細將影像上的病灶（如腦瘤）畫出來， 一點都馬虎不得。也因此，醫師對病灶的 標註，就變成了人工智慧的訓練最好的材 料。目前放射手術的對象較為侷限，大部 分都是各式腦瘤和一些血管畸形，但若深 度學習可以在此成功，同樣的技術也可以 拓展到其他腦部的病變，如中風、外傷、 退化等影像。 自2018年開始，我們利用臺大醫 院電腦刀（CyberKnife）中心的部分 資料，擷取了約1,500組已標記的腦瘤 MRI 影像，經去識別化處理後，當做訓 練資料，每年舉辦「腦瘤分割挑戰賽」， 讓學生們運用深度學習的AI 技術，在 100組測試影像上，自動找出腦瘤並將 輪廓畫出（圖一）。第一年時的成績稱不 上理想，若以專科醫師的標註當作100 分，冠軍團隊也就只拿到56分，可說是 還不及格。然而，隨著技術的進步，近 年的第一名已可超過80分。事實上，我 們曾經算過，兩位專科醫師的一致性大 約是86分。也就是說，AI 已經很接近 人類專家的水準了。 ◆ 外科部神經外科主治醫師 蕭輔仁 AI在腦瘤影像上的臨床應用
RkJQdWJsaXNoZXIy MTYzMDc=