摘要
使用人工智慧，除了快速準確地處理數據外，還為臨床檢查取得更好的治療結果。慢性病一直是全球關注的重要醫療保健問題。因此，該項目旨在開發和部署電腦輔助診斷（CAD）系統，可以用於慢性病的自動分級、檢查和診斷的深度學習架構。
計畫特色
本計畫是應用深度學習架構在不同器官或組織影像上開發慢性疾病的診斷、分級、以及預測，並藉由後續追蹤的影像來追蹤慢性疾病的發展，達到對病患個人化的精準醫療，提供後續預後與用藥的治療方針、提升病患的醫療品質、延長壽命與生活品質。此外，研究除了會以在自然影像上表現出色的架構為基礎外，更會從主題或影像的特性上著手改善系統缺點並提升能力，同時嘗試並評估不同領域內（如自然語言或語音辨識等）的架構用於影像上是否有助於研究主題，提供不同面向的開發可能性。
應用項目
1. 甲狀腺亢進（Hyperthyroidism）診斷與追蹤
甲狀腺亢進是種會導致心臟血管、腸胃道、以及神經系統出現問題，需要長期治療與追蹤的慢性病。游離四碘甲狀腺素(Free T4, fT4)是判斷亢進的一個指標，通常由血液檢查取得資訊並分級，雖然可以確定fT4狀態，但需要時間進行分析。頸部超音波掃描是常用於甲狀腺檢查方式，拍攝多張影像判斷甲狀腺的結構與狀態。預計使用輔助系統從多張頸部超音波影像自動挑選醫生判讀的最佳影像並提供fT4分級資訊，以便後續追蹤與預後評估。
2. X光影像之慢性阻塞性肺病（Chronic Obstructive Pulmonary Disease, COPD）的診斷與追蹤
慢性阻塞性肺病主因是呼吸道、肺實質以及肺部血管因慢性發炎造成阻塞而導致持續的呼氣氣流受阻現象。WHO統計全球約6%的盛行率，但台灣40歲以上的民眾，中、重度慢性阻塞性肺病的盛行率約16%。目前檢測方法是透過肺功能檢查呼氣氣流受阻率的方式評估COPD，雖可評估風險，但非評估症狀的好工具，因此我們預期在胸部X光影像上使用深度學習系統來對COPD患者做診斷，並藉由定期回診時所收集之連續追蹤影像提供精準的治療與預後，同時一併提供患者診斷後的用藥資訊與相關醫療健康資訊達到遠距慢性病醫療照護。
關鍵字
慢性疾病、人工智慧、電腦輔助診斷系統、甲狀腺亢進、慢性阻塞性肺病
◎ 計畫主持人
