WISE-PaaS/AIFS医疗影像AI方案有效提升诊疗效率

研华AIFS的医疗影像AI方案，其模型训练流程中包含四项作业程序，图像数据前处理、图像分割与模型、特徵萃取与分析、诊断分析看板。

综观医疗保健体系，放射科医生堪称富含价值的要角，影像医学是当今高科技医疗中不容或缺的一环，许多细微病灶，都需要借重放射科医生的专业识别力，从 X光、CT 或 MRI 影像档案看出端倪，见微知着。尽管在大量档案当中，真正被检出患部的比例不高，平均仅4~10%，但放射科医生仍需从头到看完每张片子，难免面临作业时间长、工作负担重的情形。

长此以往，这般作业模式恐造成遗憾影像档案的检视顺序，乃是依照先来后到，假使重症病患较晚接受照影，也会较晚被检出病灶，可能错失诊疗或救治的最佳时机。

着眼于此，因应医疗中心的需求，研华发展基于WISE-PaaS/AIFS的医疗影像AI方案与谘询服务，第一阶段率先推出「胸部X光图像之气胸检测」方案，目标藉由AI协助检测每份影像档案，判断风险等级高低、借此进行分类分群，假使侦测到高风险病灶，便立即向放射科医生发出警讯，以利医生优化调整作业顺序，得以聚精会神优先检测高风险档案，连带确保重症病患能够优先获得诊治。另一方面，也有助于改善放射科医生的工作环境，减少眼力耗损，利于延长职场寿命。

基于WISE-PaaS/AIFS所开发医疗影像AI方案，涵盖六大实作步骤，依序是取像、推理、确认、标注、模型再训练、模型换置；透过六步骤的持续循环，可促进模型持续精进优化。

具体来说，AIFS的医疗影像AI方案，其模型训练流程中包含四项作业程序。首先是「图像数据前处理」，先将图像格式从DICOM转为PNG，再搭配AIAA人工智能辅助标示工具来辅助标注，加快医生标注影像的效率。其次是「图像分割与模型」，按医生设定的检测需求进行建模，并搭配生成对抗网络(GAN)技术、模拟合成更多的训练数据量，解决各医院影像数据不足、难以推动模型训练之问题。

第三道程序是「特徵萃取与分析」，藉由各种统计方法，分析每一个病灶的强度、纹理及高端特徵。四是「诊断分析看板」，透过此看板协助医生深入剖析病灶、获得诊疗方式的推荐建议、执行预后预测，使医生能够产出最佳的医疗决策。

截至目前，研华WISE-PaaS/AIFS的气胸检测方案已获得台湾南部某大型医院的青睐，以此进行多次验证，证实能有效促进放射科医生工作顺序的最佳化，得以优先检测疑似带有气胸病灶的影像数据，让一些罹患气胸、但较晚进行X光拍片的病人，不致延误诊疗时效，因而提高存活率，可谓意义重大。

据了解，研华基于公开数据集建置深度学习X-光片气胸分群模型，导入至上述医院时，再搭配采用AI架构服务的数据前处理、超参数调校等功能来优化模型，进而完成可分群医院 X-光片是否有气胸(Yes/No)之AI模型；后续证实在医院测试集上Dice Index超过0.8，已达到可上线使用的标准。

值得一提，关于气胸检测的取像、推理、确认、标注、模型再训练、模型换置等六项执行步骤，其实亦适用于主动脉剥离、肺炎／肺结核／肺癌、脑出血等其他重症检测工作，因此研华未来将携手更多智能医疗生态系夥伴，扩大基于WISE-PaaS/AIFS的医疗影像运用范畴，接续繁衍出主动脉剥离检测方案、肺部病症检测方案、脑出血检测方案等等，让更多病患受惠。