林口長庚×雲象科技×台灣諾華,跨界破解「骨髓增生性腫瘤」診斷難題

作者 | 發布日期 2021 年 09 月 16 日 13:00 | 分類 AI 人工智慧 , 市場動態 , 醫療科技 line share follow us in feedly line share
林口長庚×雲象科技×台灣諾華,跨界破解「骨髓增生性腫瘤」診斷難題


21 世紀是 AI 人工智慧科技時代,從金融、教育到醫學領域,處處可見 AI 技術之應用。雲象科技與台灣諾華首度攜手林口長庚紀念醫院,跨界打造血液病理 AI 輔助判讀應用,將 AI 技術運用於血液病理診斷。血液癌症難以早期察覺,以骨髓增生性腫瘤(myeloproliferative neoplasm,簡稱 MPN)為例,因其種類多、臨床症狀相似,以及骨髓病理切片與突變特徵有高度重疊,故過往以人工鑑別診斷不容易,需仰賴經驗豐富的臨床血液科醫師及血液病理次專科醫師。若沒有及時提供準確的骨髓切片判讀結果,恐會延誤治療時機,進而影響病患存活率。林口長庚紀念醫院邱政洵副院長期許,透過跨界攜手合作,成功發展人工智慧助攻血液腫瘤及早診斷,將造福更多骨髓增生性腫瘤患者。

本次合作透過雲象科技的 AI 技術結合林口長庚龐大數位病理資料庫的優勢,運用 AI 進行深度學習與訓練,辨識骨髓玻片中細胞的形態、特徵與空間分布的情形,提供更客觀且量化的數據,輔助病理醫師進行高效且精準的診斷。而台灣諾華除了持續引進創新的癌症療法,長期投入血液腫瘤研發治療的經驗,也成為啟動這項策略聯盟的契機。希冀經由本計畫共同提升國內血液腫瘤篩檢量能,幫助病患在腫瘤邁入急性期或惡化前能獲得即時診斷及治療。

骨髓增生性腫瘤精準分類有一定難度,醫師扮偵探找線索,一旦判讀錯誤恐影響治療進度

骨髓增生性腫瘤是一組罕見的血液癌症,會導致骨髓中產生過量的紅血球、白血球或血小板,依據 2016 年世界衛生組織的分類 ,又可分為原發性血小板增多症(ET)、真性紅血球增多症(PV)、原發性骨髓纖維化(PMF),其包含早期骨髓纖維化(prePMF)及顯著骨髓纖維化(overt PMF)四類,不同種類各有不同的預後及治療方式。林口長庚紀念醫院血液科郭明宗醫師表示,骨髓增生性腫瘤臨床上常見 3 種基因突變,然而確切罹病原因尚在研究中,後天的基因變異、環境因素等皆為可能致病因子,目前在臨床上面臨的最大挑戰不僅是治療,其實是從診斷程序就開始!

骨髓增生性腫瘤被喻為困難診斷的疾病!郭明宗醫師進一步分析,因其為血液增生性疾病,病患不像其他實體腫瘤疾病有明顯可觸及的腫塊,通常患者求診時可能是因為無症狀的血液相異常,或是因疾病引起的其他症狀、併發症如出血、中風或是脾腫大等,無法直接看出原疾病為何。故此時醫師們必須扮演偵探,由許多相類似的症狀、血液檢查數值等中抽絲剝繭,列出可能的兇手疾病名單。郭明宗醫師強調,不同種類的預後與病程進展皆不同,且患者臨床症狀有許多共通的地方,要確定真正兇手最關鍵的證據,即為「病理切片判讀」,故 2016 年世界衛生組織也已將骨髓切片做為骨髓增生性腫瘤診斷的必要條件之一。

骨髓增生性腫瘤種類多傷透醫師腦筋,林口長庚玻片判讀量大為 AI 導入最佳人選

林口長庚紀念醫院解剖病理部陳澤卿主任指出,林口長庚每月有近萬個案例、高達上萬筆的病理玻片需要判讀,病理團隊每日皆須面臨龐大且急迫的病例,為了能及早且精準幫助病患確診,林口長庚已全面將病理玻片數位化,為全台少數完成跨院區病理科數位化的醫療院所,可大大提升判讀方便性。目前林口長庚數位化玻片已累積超過 38 萬片,以每玻片 0.1 公分計算,堆疊高度達 380 公尺,相當於 126 層樓高,其為 AI 研究開發的絕佳基礎。此次合作透過龐大的數位病理資料庫,運用 AI 進行深度學習與訓練,期望能發展出一套可辨識骨髓增生性腫瘤的模型。

針對病理切片判讀,林口長庚紀念醫院解剖病理部莊文郁副主任進一步解釋,林口長庚骨髓切片主要是由血液病理次專科醫師進行判讀,而其判讀的複雜度遠超乎一般人所能想像,病理醫師必須仔細評估各種造血細胞在顯微鏡下的數量及形態,特別是巨核細胞的形態特徵、數量及空間分布,才能得到精準的診斷。以人工進行判讀,難以取得客觀量化的結果,且會存在不同診斷者間的差異,特別是對於該疾病較不熟悉或經驗較少的醫師會更難判讀。郭明宗醫師以早期世界衛生組織尚未明確分類時為例,曾有 20% 的患者原先被診斷為原發性血小板增多症(ET),後續分類後重新診斷為原發性骨髓纖維化(PMF),顯示其診斷的困難與複雜性。

首次運用 AI 於血液病理診斷,有望提升血液癌症判讀精準度 助病患及早治療

骨髓是人體的造血器官,一旦得到骨髓增生性腫瘤,除會發生各種臨床症狀,也有一定的比例恐轉變成急性骨髓性白血病(AML)。本次合作將 AI 技術運用於血液病理診斷,可輔助醫師進行快速且精準的判讀,不僅可彌補判讀經驗多寡的結果差異,也可減輕大量病理玻片的判讀負荷量,最關鍵、重要的是可以幫助病患及早發現、及早治療,避免轉化為預後較差的疾病或嚴重併發症!此次 AI 技術合作的概念就好比日常上傳照片至社群平台,平台會透過自動人臉辨識系統,顯示或標記照片上的人物是哪一位朋友,莊文郁副主任打趣地說,隨著時代與醫療的進步,AI 技術不僅可以認臉,也可以辨別極度困難與複雜的細胞了。

不同種類的骨髓增生性腫瘤,預後與病程進展有極大的差異。針對其治療策略,郭明宗醫師比喻就如同發生火災,一開始須先滅火救人,故臨床上會先處理急迫性的狀況,而後續居住與生活的解決方法,就像醫師與病患的溝通討論,如何透過有效的治療延長存活期與改善生活品質。

跨界集結三方指標性領導者,齊心破解「MPN 謎題」

改善患者生活品質與延長存活期是各界對於癌症治療的共同目標,諾華腫瘤(台灣)總經理陳喬松表示,身為全球製藥領導者,自第一代標靶治療到目前最創新的細胞基因療法,諾華持續為癌症治療創新里程碑。同時,亦致力運用資料科學以發展先進藥品,運用大數據分析及 AI 數位科技是諾華重要的策略方向。目前血液腫瘤的早期診斷仍有未被滿足的需求,此次攜手雲象科技及長庚醫院,正是諾華企業宗旨「重新創想醫藥未來以改善並延長人們的生命」的實踐。期望結合三方優勢,能幫助更多血液腫瘤病患及早診斷並接受治療,降低疾病惡化的風險,延續病患的生命並提升生活品質。

雲象科技創辦人暨執行長葉肇元醫師也指出,血液疾病的診斷與治療相當困難,然而因病患數不如其他器官癌症,故新技術如 AI 較不會第一時間應用在血液疾病上;不過,對血液疾病來說,以形態學為基礎的病理診斷扮演關鍵角色,而型態辨識正是AI在醫療上能有最大發揮空間的面向。雲象科技自 2018 年起,陸續與台大醫院、林口長庚醫院、奇美醫院,分別進行骨髓抹片細胞型態辨識、淋巴瘤型態診斷及預後分析等血液疾病 AI 的應用,所累積的技術與應用開發經驗,挹注於開發「骨髓增生性腫瘤」AI 輔助判讀與病理診斷。展望血液病理的發展,葉肇元表示,相信在 AI 輔助下,型態診斷的重要性會再次提升,和近年備受矚目的分子及基因診斷相輔相成,進一步強化血液疾病診斷以及治療的品質。

(首圖來源:雲象科技;資料來源:台灣諾華)