記者嚴云岑／台北報導
骨質疏鬆是現代人常見的文明病，高齡族群若未及早發現，恐引發胸、腰椎甚至髖關節骨折，影響行動能力。為了幫助醫師及早揪出脊椎壓迫性骨折，台北榮總去年與交通大學統計所合作，利用AI輔助判讀X光片，至今已上傳了1000多張影像資料供電腦學習，在影像清楚的前提下，準確率高達95.7%。
台灣醫界近年致力發展AI醫療，由電腦輔助判讀影響，提升醫師看診效率。目前各醫院皆對骨科影像判讀設計AI模型，但台北榮總卻獨樹一格，一改業界以電腦斷層影像為主的AI模型，改用X光片進行標記，研究成果已發表於6月22日舉辦「智慧醫療應用」研討會上。
台北榮總骨科部脊椎外科周伯鑫醫師今（3）日受訪時指出，人工智慧判讀脊椎骨折，是台北榮總承接科技部計畫的子項目之一，執行至今約1年半，由醫師在X光片上骨折部位進行手動標記，整理成EXCEL檔案後上傳到交大網路系統，讓工程師根據數據，設計AI模型供電腦學習。
▲AI自動判讀MRI影像中的腰椎椎間盤退化程度。（圖／周伯鑫醫師提供）
電腦斷層、核磁共振下的脊椎影像清晰，也讓模型設計時較為容易，被問到為何會選擇成像較差的X光片作為設計模型？周伯鑫表示，這是因為電腦斷層的施作條件較嚴格，非必要健保不給付，且病人也有暴露在輻射中的風險，而X光片幾乎每個科別都能做，病人因腰痛、下背痛等問題，到家醫科、復健科就診，醫師也能進行X光片檢測，若此時導入AI模型，就能及早在影像上發現問題，及早對症治療。
周伯鑫提到，依照目前模型，電腦從X光上找出骨折部位，約需1分半鐘，雖然速度不比骨科、脊椎外科醫師肉眼判斷，但對於家醫科、復健科等非專科醫師而言，卻能大幅提升看片時間，增加與病患、家屬的互動。不過，目前的模型只為「半完成版」，仍有許多地方待修正。
▲X光片AI模組實際測試狀況，有誤診也有過度診斷，都是需修正的項目。（圖／周伯鑫醫師提供）
雖然X光片影像可近性雖高，卻有畫質模糊等問題。周伯鑫提到，目前AI學習遇到的最大難關，就是「過度診斷」，尤其在胸腰椎交界處，因為肺部有空氣阻擋，造成X光判讀不易，也經常有誤判的情況傳出。
他先前就拿AI模型套用在一名82歲、脊椎第一、二節壓迫性骨折的患者影像上，因剛好在胸肺交界處，肺部陰影讓脊椎體呈現凹陷，AI也因此過度診斷，認為脊椎有多處壓迫性骨折，但在骨科醫師看來，其實只有一截。
為了解決該問題，周伯鑫與研究團隊先針對整張影像進行深淺平衡，再將圖片進行降躁，影像邊緣也透過補值來維持邊緣不模糊，最後再利用分水嶺演算法，將椎體邊緣演算得更清楚，方便AI辨識。目前該模型仍在實驗階段，預計9月會發表「期末報告」。
讀者迴響