●技術簡介：
建立肝癌資料庫，整理擷取資料庫中之資料特徵。由此發展預測肝癌治療復發之醫學AI程式。能輔助醫師對肝癌病患經過治療後復發風險進行預測，針對高風險病患提高追蹤頻率，盡早發現復發進行治療。
●技術之科學突破性：
此計畫研究發展之機器學習技術醫療器材能將醫師所提供之文字病歷資料(包含各項數值檢驗結果、病理報告等)，透過 NLP、Regular Expression 等方法擷取所需之 Features，並用於訓練之模型來進行預測病患治療後復發之可能性。整體過程如上所述，共分為三個部分：資料擷取、資料預處理、預測模型建置。首先需從建立好之資料庫中搜尋病人先前(手術前後、近幾次的醫療檢驗報告等)，並將其數值資料進行預處理，將不合理之極端值去除、標準化、挑選合適之特徵等。最後將這些資料模組化後當作模型輸入，得到的結果將為是否於特定時間内復發(目前進行 1 年復發預測)。本計畫研發AI之特殊性在於能夠嘗試從標記(label)不平衡(unbalanced)之資料中訓練出足夠強健的模型，並且針對肝癌術後復發做出精準預測。
現今仍未有完整肝癌臨床資料庫。過去已發表資料庫以手術檢體(台灣肝癌網Taiwan Liver Cancer Network)，基因體資料，血清蛋白資料庫為主(例如 HCCNet: an integrated network database of hepatocellular carcinoma), 此計畫為第一個完整之hospital based liver cancer clinical research database.
此研究完成肝癌病患個人化資料約有9000人，包含接受各種不同治療之完整病人群。可針對不同病患發展獨特之模組，作為病人精準治療與臨床決策之參考。同時，後續可與相關肝癌基因資料庫以及各種影像資料庫進行合併，分析肝癌各個期別，以及各種不同方式治療對肝癌的長期影響。
●技術之產業應用性：
隨著現今醫療資訊逐漸病歷電子化的普及，病歷的查閱已更加便利。但仍有大部分的資料是由文字報告紀錄，其中包含病理報告、手術記錄、出院入院紀錄、影像檢查報告等等複雜且龐大的資訊。若是使用人工的方式進行病患資料之整理，需花費大量的時間於閱讀以及資料整理。因此在龐大的資料量中有效率的取得無論是醫師或是研究人員所需的資料已成為重要的研究課題之一。
本AI醫療器材使用系統化的資料確認與整合能來有效的確認資料正確性與其效率，並將時間、診斷報告與治療成效追蹤、術後復發狀況同時整合在一份專有資料庫內。此外，程式可以自動地從整理完成的資料中抓取特定特徵進行訓練，透過AI模型從過往資料來學習其中之規則並預測肝癌復發的可能性，由於此輔助診斷模組的高度自動化之特性，在使用上醫院方僅需提供病人過往的病歷資料(模型預測所需之特徵)，模型即可自動預測該患者是否有再度復發的可能，醫師可以將此結果作為診斷上的輔助依據，如此一來，隨著此AI醫療器材的開發成功，將能減輕醫師的負擔以及整理資料時人力資源的損耗，相信能讓國內肝癌的電腦輔助診斷技術邁向新的里程碑。

線上展網址：
https://tievirtual.twtm.com.tw/iframe/d1b22769-b899-4830-9840-c7d6057fd27a?group=23bfb1fa-dd5b-4836-81a1-4a1809b1bae5&lang=tw