●技術簡介：
本技術為應用於輔助醫師針對胸腔X光影像早期肺癌病灶偵測與判讀之AI技術系統。本團隊之技術採用半監督式學習訓練方式，輔以軟標注技術減輕傳統智慧醫療系統開發中大量依賴醫師資料標注的需求，同時引入深度學習技術，利用世界各國公開資料集訓練偵測模型，並使用熱區圖標示最可疑病灶之區域，提供醫師第二意見參考判讀。
●技術之科學突破性：
傳統於醫學影像偵測的AI系統開發上，大部分使用監督式學習訓練方法，亦即大量依賴標注資料的使用，然而近年來隨著資料量逐漸擴增，對於專業知識領域的標注需求也大幅增加，大量的專業臨床人力標註造成開發上的難度倍增；本團隊因應此問題引入近年來成熟的半監督式學習訓練方法，僅需少量的資料標注，加上模型的功能主要為警示及輔助醫師判讀而非作為主要診斷工具使用，因此完美的語義分割並不是最要緊的需求，故本團隊開發新的軟標注技術，不僅能提供病灶區域的判讀呈現也能降低醫師標注資料費時費工的困擾。
同時，針對影像分析現行常用的注意力機制，本系統也引入了一項最新的模組，其同時針對空間(spatial)及影像通道(channel)進行注意力機制的運算，大幅提昇AI模型對於影像小型特徵的擷取及利用能力，且在特定即便是人類醫師都相對困難的區域(如心臟後方、骨頭交界處等)都能有相當精確的判斷能力。
目前本團隊開發成果與去年發表於[Nature Scientific Reports]上德國慕尼黑技術大學之Schultheiss團隊發表之全球最佳結果相比，我們有與其相媲美之真陽性率，同時我們更有較低的偽陽性率，表示本團隊之研究方向正確且具與世界頂尖團隊競爭之實力。
●技術之產業應用性：
國內電子產業當中，過去全球高度依賴PC生產，而揚名世界的電子五哥(廣達、鴻海、華碩、仁寶、明基)，一路走來歷經了後PC時代，此刻正好搭上AI與醫療科技向前奔馳的順風車。不管是整合既有技術、發展自有品牌之醫療商品，或與醫院密切合作，延伸至智慧醫院之殷切需求，透過資訊轉型並磨練在醫療場域之實戰經驗後，找到自己的商業模式，皆已為台灣未來發展智慧醫療與智慧醫院，投注極為良好的正面能量。
近年來以深度學習為AI醫療之基礎技術，已經能成熟的應用在醫療院所之眼科、皮膚科、影像醫學科，同時成功發揮協助病理檢查的作用。依據台灣衛生福利部統計公告國人十大死因中，肺癌是惡性腫瘤中造成死亡人數最多的疾病，然而當前健保補助之四大癌症篩檢中並不包含肺癌一項，現行低劑量斷層掃描檢查為針對肺癌較普遍實施的篩檢方式，但其放射線暴露量依舊是胸腔Ｘ光檢查的十倍以上，此時開發一項低放射線暴露且具備高敏感性的快速篩檢工具便是勢在必行，且具有商機之新創醫療器材(軟體)。
Google公司近年來在電腦輔助醫療影像領域進行大量研究，以其擅長的深度學習模型來進行肺癌篩檢，並考量以CT切片掃描資訊判斷腫瘤組織所在位置，根據惡性腫瘤風險分數來預測肺癌。他們提出的AI模型比放射科醫生在發現肺癌的機率高5％，誤診率甚至減少11％，也就是用於臨床檢驗的可行性增加了，也令醫療產業界大感振奮。
本團隊開發一個基於胸腔X光影像針對早期肺癌可疑病灶篩檢偵測系統，便是對於全民健康福祉最有利的智慧醫療研究項目之一。本團隊成員利用已發展多年成熟之人工智慧技術結合大量臨床醫師的影像判讀知識，有效地在短時間內提供臨床醫師最精確的病灶標示提醒及肺癌可能性判斷，目前已於成大醫院進行初步的臨床實地場域驗證。未來更可以與攜帶式檢驗工具或是移動式篩檢車系統做結合，對於全民普適性肺癌早期篩檢貢獻一份心力。

線上展網址：
https://tievirtual.twtm.com.tw/iframe/1cadbbdd-bd8a-427a-ac4c-182edb3c5bf0?group=23bfb1fa-dd5b-4836-81a1-4a1809b1bae5&lang=tw