AI結合醫療為國際發展趨勢，而醫療結合AI演算法的開發，需要大量的疾病標註資料，做為AI學習的標準答案，科技部聯合臺灣大學、臺北榮民總醫院、臺北醫學大學，建置國內首座跨醫療院所醫療影像標註資料庫，可協助醫師進行醫療影像判讀，以及減少侵入式檢查。

醫療影像是目前主要的非侵入式診斷工具，每個疾病個案有數張到數百張影像，醫師人工判讀的工作相當繁重。結合AI技術與醫療影像之疾病診斷標註進行研究，所開發之自動分析判讀工具，不僅可以協助醫師加速醫療影像判讀及提高診斷的一致性與精準度，也可以縮短病人就醫時間及減少侵入式檢查，降低醫療的支出，甚至在醫療資源缺乏的偏鄉，也能更即時的診斷，進而讓偏鄉民眾擁有更良好的醫療品質。

科技部自106年10月開始推動「醫療影像專案計畫」，結合3大醫療團隊的專業醫療研究人員，以及臺灣大學、臺灣科技大學、交通大學、中央大學等學界AI專業研究人員，組成跨領域團隊，對醫療影像資料進行符合AI訓練需求的資料處理與編譯，並將開發可自動分析判讀醫療影像AI演算法，以問題解決導向，且能實際應用於醫療場域協助解決臨床問題為目標。

歷經1年的努力，目前已建置4萬6450個案例的醫療影像，包括：心臟冠狀動脈疾病、腦轉移瘤、原發性腦瘤、聽神經瘤、肺癌等疾病之電腦斷層、血管攝影、磁振造影或X光等15項影像資料集，其中1萬7950個案例標註疾病資訊，未來將持續擴充。

科技部「醫療影像專案計畫」團隊開發的診斷技術，其中臺灣大學團隊針對心臟血管疾病，透過AI自動將冠狀動脈結構與心肌血流功能融合；臺北榮民總醫院團隊針對腦部疾病，以AI自動偵測顱內轉移腫瘤，輔助醫師做診斷；臺北醫學大學團隊針對肺癌影像，透過深度標註與AI模型開發來協助肺癌病理分類、診斷與預後預測。

為激發出更多的創新應用，以擴大資料價值、提升資源投入效益，醫療團隊建置的醫療影像及標註資料，將匯入國家高速網路與計算中心（國網中心）平台，提供其他研究團隊與資料建置團隊合作，進行醫療衛生目的之學術研究。

科技部指出，資料在匯入國網中心前及提供利用前，都將做去識別化處理，保護資料當事人之隱私；醫療團隊並已建立當事人動態同意機制，透過資料利用前對當事人之告知、資料利用情形之資訊回饋、當事人可選擇退出資料利用等作法，保護個資當事人之資訊自主權。

科技部陳良基部長表示，臺灣醫療人才輩出，醫療技術深獲國際社會的肯定，是臺灣引以為傲的成就。現在透過智慧醫療影像資料庫的建立，以及醫療AI之研發與應用，將可為這樣豐富寶貴的臨床醫療經驗，創造更大的價值，利用臺灣醫療優勢創造另一個臺灣優勢。

日期：108-01-01                               資料來源：中時電子報