台灣科技大學醫學工程研究所教授王靖維率領團隊，開發用於電腦斷層CT掃描影像的「通用3D病灶分割AI模型」，最快不到2秒就能辨識、分割多種類別胸腹部病灶。這項成果獲得今年國際醫療3D CT影像AI競賽（The Universal Lesion Segmentation ’23 Challenge，ULS23）的季軍佳績。
我是廣告 請繼續往下閱讀
台科大表示，傳統電腦斷層掃描影像（CT）在分割病灶的難點包括病灶識別困難、需大量專業人力分析和手動標註病灶相當耗時，導致診斷效率低下，增加醫療成本，而且人工標註過程當中，容易由於疲勞、有限診斷作業時間和經驗不足而漏判。
▲台科大醫學工程研究所教授王靖維率領團隊在國際醫療3D CT影像AI競賽，榮獲季軍佳績。（圖／台科大提供） 王靖維指出，團隊研究開發「通用3D病灶分割AI模型」，可以精準辨識包括骨骼、胰臟、腎臟、肝臟、肺結節、肺部、結腸、淋巴結和縱膈在內等多類別胸腹部病灶，適用胸腹部CT影像，也可自動化精準標註多種3D CT病灶，幫助放射科醫師透過3D形式標註病灶，解決手動執行耗費大量人力成本問題。
我是廣告 請繼續往下閱讀
台科大指出，「通用3D病灶分割AI模型」除了精準辨識胸腹部病灶，處理效率方面更是充分滿足臨床應用需求，其中傳統人工標註每案約要耗費30分鐘至60分鐘，但在團隊AI技術配備單一T4 GPU的Grand Challenge平台伺服器，處理每個3D病灶資料只需3.25秒，若是使用配備RTX4080的本機PC則是不到2秒。
王靖維說明，3D的CT影像病灶分割相比2D影像，提供更多有助醫師監控病灶成長的資訊，例如病灶體積、形狀和空間位置，而且CT掃描的自動AI病灶分割，相比手動分割具有提高效率、可重複性、準確性和標準化等優勢，從而實現更為精確的定量分析，促進研究成果轉化成為臨床實踐。