發佈日期：2024-04-25

張栩荣

理工學院

資訊工程學系

此次的講者為國立陽明交通大學 教授 鍾翊方先生。

優點:此次講者是大學的教授，然而鐘翊方教授的研究是已經在長庚醫院進行實際的應用，不只是紙上談兵而已。

建議:希望本人可以到現場演講。

心得感想: 鐘教授的研究是台灣第一個具有發表文獻之AI疾病診斷系統，已發表在《歐洲放射科學期刊》（European Radiology,IF=4.027, rank=20/129）。股骨頸骨折是事故傷害常被遺漏診斷的骨折之一，為協助臨床醫師進行骨折診斷，並減輕放射科專科醫師的壓力，鄭啟桐醫師在本研究中，找了長庚醫院內的放射科醫師、外科醫師、骨科醫師及急診科醫師做股骨頸骨折的X光閱片能力測試調查，並將其整理成接收者操作特徵曲線（ROC curve），以評估股骨頸骨折偵測模型的效能。

 儘管此次專題講座是大學的教授，但與前面幾位講者相同的是，專題內容都是與業界相關的，醫療產業在台灣是一個深耕許久的產業，在現今各個產業都以科技進行優化時，醫療產業當然也會。

人工智慧的價值在於可以利用既有資料去對未知資料快速做出預測，而人工智慧應用於醫療影像也是如此，這一「股骨頸骨折偵測模型」目前已進一步在醫院裝測，並將進一步申請專利。而其作為實際應用之後，將成為一個優良的電腦輔助診斷系統。急診科醫師可以在第一時間藉由模型的預測作為診斷依據，在短短幾秒鐘的時間內，即可判斷出患者有骨折或是沒有骨折；如果模型判斷出有骨折，就會提醒看診醫師病人具有骨折的可能性，並在黃金時間內對患者做出最好的診斷處理，可大幅提升醫療品質。有了人工智慧模型的協助，臨床科醫師也不需要苦等放射科醫師發出正式報告的時間，可以在第一線利用人工智慧的幫助來做出最即時的診斷，亦可以降低放射科醫師閱片遺漏骨折區域的情形，因此這個骨折偵測模型對於臨床醫療診斷非常有幫助。 

未來就業應用: 近年來醫療科技進步及外治療觀念演進，臨床面導入先進技術和新的治療理論，幫助許多病患可以得到更好的治療效果及預後。部骨折常發生在高齡的患者身上，也是急診室裡常見的外傷之一早期診断與治療部骨折不只可保留關節活動功能，並可提升患者生活品質。而部骨折的診可尊致許多不良之後果。然而臨床上在忙亂的急診室中，面對多大量患者或是經驗不足的醫師時，仍有可能會有一定遗漏診断的比例。在急診室裡，外傷病患的治療需要和時間賽跑,降低延誤診断或是錯失診断的機率，正是人工智慧可以協助之處。

深度学習演算法近年來在許多療影像領域有新興的發展，本團隊所開發以深度学習輔助臨床診断部骨折系統,透過AI輔助，可在第一線急診室裡輔助師判讀出可能發生骨折的部位，掌握治療患者的黃金治療時機。同時經由人機合讀的機制,提升臨床醫師之判讀準確率，精準診断病人，提升外傷醫療品質。