多年来，医疗领域已有许多成功的 AI 应用案例，其中尤以形态辨识为基础的血液病理诊断，最能发挥 AI 所长与效益。为了打破长期以来血液肿瘤人工判读与诊断不易的困境，台湾诺华、云象科技与林口长庚医院三方跨界携手运用 AI 深度学习技术，打造“血液病理 AI 辅助判读应用”，让有“最难诊断血液疾病”之称的 MPN 骨髓增生性肿瘤病人能获得高效、精准的及时诊断与治疗。
骨髓增生性肿瘤（Myeloproliferative Neoplasm, MPN）是一组罕见血液疾病的统称，会导致骨髓中产生过量的红血球、白血球或血小板。MPN 大致分成三大类疾病：真性红血球增多症（PV，又称多血症）、原发性血小板增多症（ET）、原发性骨髓纤维化（PMF）。其中，PMF 又分成早期原发性骨髓纤维化（prePMF）及显著原发性骨髓纤维化（Overt PMF），所以世界卫生组织在 2016 年明确划分成四大类。
MPN 三大治疗重点：减少并发症、延缓恶化与提升存活率
林口长庚医院血液科医师郭明宗表示，以国外而言，PV 致病率是每 10 万人口 0.8 人，ET 是每 10 万人口约 2 人、PMF 每 10 万人口 0.5 人。根据 2017 年卫福部统计数据指出，国内总 MPN 病例数约 500 多例。由此可见，MPN 虽未达罕见疾病程度，但也属相当少见的恶性病。
撇开 4 种 MPN 疾病必须施以不同预后及治疗方式不谈，由于 MPN 无明显可触及的肿块、缺乏明显的特异性症状，而多半出现脸潮红、夜间盗汗、皮肤搔痒、疲惫、无力、头痛或因脾脏肿大引起的胃口变差等常见症状，至于 ET 甚至几乎没有明显症状，这些无疑都形成诊断上的困难，甚至造成误诊。例如在世卫组织明确分类之前，就有多达 20% 的早期 PMF 患者被诊断成 ET。
郭明宗进一步表示，虽然目前已知 MPN 和 3 种基因突变有关，但确切的罹病原因依旧不明，而且也没有明确的好发族群。原则上，MPN 患者无法治愈，所以减少并发症、延缓恶化与提升存活率是 MPN 的三大治疗原则与重点。特别要提醒的是，PV 与 ET 患者会逐步走向骨髓纤维化期，并有可能最终进入“白血病期”（亦即血癌期）。此外，PV 患症若没有提早介入治疗，约有 4 成的人会因脑中风、心肌梗塞等血管栓塞并发症而死亡，所以及时诊断与早期治疗非常重要。
林口长庚实现病理玻片全面数字化，打造 38 万片数位玻片数据库
目前针对 MPN 的理学检查，主要分成基因检测与骨髓检查，其中，骨髓检查更是厘清 MPN 种类的关键做法。林口长庚医院解剖病理部副主任庄文郁表示，ET 和早期 PMF 的临床症状表现几乎一样，只有透过骨髓切片的判读才能明显看出差别。但骨髓切片判读的难度与复杂度极高，并非所有病理医师都能做到，这部分会交由血液病理次专科医师，根据造血细胞的数量及型态，尤其是巨核细胞的形态特征、数量及空间分布进行专业判读，然后再与血液科医师一同进行讨论，才能得出精准的诊断结果。
由于台湾具备 MPN 专业判读能力与经验的病理医师较少，更凸显出国内 MPN 筛检能量不足的隐忧，如何加速这方面的判读与筛检效能，已成当务之急。这次台湾诺华、云象科技与林口长庚医院的跨界合作，同时集结三家在长期血液肿瘤研发治疗经验、AI 技术应用实力与庞大数位病理数据库的优势，为全面提升台湾血液肿瘤的筛检能量与效率找到最佳解决之道。
庄文郁强调指出，林口长庚医院在 MPN 血液疾病权威教授施丽云的带领下，累积非常齐全的 MPN 临床病例资料与分子检测资料。更进一步的是，该院打从 2020 年年初开始便展开病理玻片数字化作业，并于 2020 年年中完成全面数字化工程，目前数字化玻片共累积超过 38 万片，相关医师从此可以方便、快速地透过云象科技数位病理系统，进行跨越 5 个院区的玻片搜寻、检阅与管理工作。这个完备的数据库也成为林口长庚医院成功为 MPN 判读导入 AI 辅助模型的最大筹码。
发挥 AI 强大辅助判读作用，实现及时诊断与治疗效益
“血液病理 AI 辅助判读应用”是一个为期两年（到 2023 年 4 月为止）的专案，旨在透过 AI 深度学习技术的导入，建立可以辅助医师高效精准判读 MPN 的检测工具与模型，进而实现及时诊断与治疗效益。在为骨髓病理切片影像进行深度学习的过程中，必须将品质不良的切片去除，以免对深度学习的训练结果造成负面影响。
此外，还要对影像中的特定位置与病灶区域进行圈选标注，才能让 AI 学会如何判读，但这个标注的动作也成了拖慢整个进度的最大元凶。庄文郁团队尝试透过各种方式，包括细胞量检视、M:E Ratio（骨髓群系与红血球群系的相对比例）检视及全玻片影像（Whole Slide image, WSI）深度学习等方式，训练出 AI 自动标注模型，进而加速整个数位玻片深度学习的训练进度与建模进程。
AI 技术导入的效益有目共睹，不但能大幅减轻林口长庚每月上万笔病理玻片判读的负荷，并有效解决人工判读难以客观量化的问题，且弭平不同医师主观诊断上的差异。“虽然骨髓切片的判读速度与玻片大小成反比，但基本上 AI 模型能减少一半的时间，”庄文郁满意地指出。尽管现阶段 AI 技术在病理诊断上仍无法完全取代人工判读，但却能发挥强大的辅助作用，一方面让资深病理医师的判读效率与精准度大增，一方面也能协助经验不足的医师进行基本的临床判断，进而提升国内血液肿瘤疾病的整体筛检能量。
这次三家的跨界合作，可谓 AI 导入血液肿瘤判读的初试啼声，目前 AI 判读模型仍处研究阶段，随着更多实际临床上的应用，势必会激荡出更多 MPN 判读突破的可能性。三家合作的成果结晶，也呼应了诺华的企业宗旨：“重新创想医药未来以改善并延长人们的生命”，达成血液肿瘤及早发现、及早治疗的使命，进而实现全面改善患者生活品质与延长寿命的终极目标。（本卫教资讯由台湾诺华协助提供 TW2201255789）
（首图来源：Shutterstock）
