隨著科技進展，不少疾病可透過診斷提早發現，但血液癌症因種類多、臨床症狀也相似，用骨髓病理切片與突變特徵有高度重疊，過往以人工鑑別診斷不容易，需仰賴經驗豐富的醫師判讀，若未及時準確判讀骨髓切片，恐延誤治療時機，影響病患存活率。林口長庚今年跨界與雲象科技、台灣諾華合作，將龐大數位病理資料庫結合AI技術，協助血癌病患即時診斷及治療。
骨髓是人體的造血器官，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，也有一定的比例恐轉變成急性骨髓性白血病（AML）。根據2016年世界衛生組織（WHO）分類，又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），其中包含早期骨髓纖維化（pre PMF）及顯著骨髓纖維化（overt PMF）等，不同種類各有不同預後及治療方式。
林口長庚血液科醫師郭明宗表示，學界上認定幾個高風險群，包括50至80歲中高年齡者（有少數年輕患者）、曾接受化療或放射治療、長期暴露於高劑量輻射線、曾接觸化學物質等，其中真性紅血球增生症以男性較多（PV），血小板增生症則是女性較多（ET）。
郭明宗表示，骨髓增生性腫瘤臨床上常見3種基因突變，確切罹病原因尚在研究中，後天的基因變異、環境因素等都可能是致病因子，不像其他實體腫瘤疾病，會有明顯可觸及的腫塊，且患者求診時大多無症狀，或因疾病引起其他症狀或併發症，如出血、中風或脾腫大等，無法直接看出疾病為何，得靠病理切片判讀，因此2016年WHO也將骨髓切片列為診斷必要條件之一。
郭明宗表示，早期WHO尚未明確分類時，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。
林口長庚解剖病理部主任陳澤卿指出，林口長庚每月有近萬個案例、上萬筆病理玻片需要判讀，2年前林口長庚將病理玻片全面數位化，提升判讀方便性，目前數位化玻片累積超過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，此次合作透過龐大的數位病理資料庫，成為AI研究開發基礎，可運用AI進行深度學習、訓練，盼可發展一套辨識骨髓增生性腫瘤的模型。
林口長庚解剖病理部副主任莊文郁表示，骨髓切片主要由血液病理次專科醫師進行判讀，但複雜度相當高，包括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。過去以人工判讀，難以取得客觀量化結果，特別是對疾病不熟悉、經驗較少的醫師會更難判讀。他也打趣地形容，AI技術不僅可認臉，也可辨別極度困難複雜的細胞。
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，林口長庚副院長邱政洵期許，透過跨界合作，盼發展人工智慧助攻血液腫瘤及早診斷，諾華腫瘤台灣總經理陳喬松表示，希望運用資料科學以發展先進藥品，雲象科技創辦人暨執行長、醫師葉肇元指出，型態辨識的病理診斷對血液疾病來說相當關鍵，AI輔助下技術可再次提升，並與分子及基因診斷相輔相成，強化血液疾病診斷、治療品質。
這篇文章對你有幫助嗎?
