AI判讀脊椎壓迫性骨折 臺北榮總選了一條「難走的路」

記者嚴雲岑臺北報導

骨質疏鬆是現代人常見的文明病,高齡族羣若未及早發現,恐引發胸、腰椎甚至髖關節骨折影響行動能力。爲了幫助醫師及早揪出脊椎壓迫性骨折,臺北榮總去年與交通大學統計所合作利用AI輔助判讀X光片,至今已上傳了1000多張影像資料電腦學習,在影像清楚的前提下,準確率高達95.7%。

臺灣醫界近年致力發展AI醫療,由電腦輔助判讀影響,提升醫師看診效率。目前各醫院皆對骨科影像判讀設計AI模型,但臺北榮總卻獨樹一格,一改業界以電腦斷層影像爲主的AI模型,改用X光片進行標記研究成果已發表於6月22日舉辦「智慧醫療應用」研討會上。

臺北榮總骨科部脊椎外科周伯鑫醫師今(3)日受訪時指出,人工智慧判讀脊椎骨折,是臺北榮總承接科技部計劃子項目之一,執行至今約1年半,由醫師在X光片上骨折部位進行手動標記,整理成EXCEL檔案後上傳到交大網路系統,讓工程師根據數據,設計AI模型供電腦學習。

▲AI自動判讀MRI影像中的腰椎椎間盤退化程度。(圖/周伯鑫醫師提供)

電腦斷層、核磁共振下的脊椎影像清晰,也讓模型設計時較爲容易,被問到爲何會選擇成像較差的X光片作爲設計模型?周伯鑫表示,這是因爲電腦斷層的施作條件較嚴格,非必要健保不給付,且病人也有暴露在輻射中的風險,而X光片幾乎每個科別都能做,病人因腰痛、下背痛問題,到家醫科、復健科就診,醫師也能進行X光片檢測,若此時導入AI模型,就能及早在影像上發現問題,及早對症治療。

周伯鑫提到,依照目前模型,電腦從X光上找出骨折部位,約需1分半鐘,雖然速度不比骨科、脊椎外科醫師肉眼判斷,但對於家醫科、復健科等非專科醫師而言,卻能大幅提升看片時間,增加與病患家屬的互動。不過,目前的模型只爲「半完成版」,仍有許多地方待修正

▲X光片AI模組實際測試狀況,有誤診也有過度診斷,都是需修正的項目。(圖/周伯鑫醫師提供)

雖然X光片影像可近性雖高,卻有畫質模糊等問題。周伯鑫提到,目前AI學習遇到的最大難關,就是「過度診斷」,尤其在胸腰椎交界處,因爲肺部空氣阻擋,造成X光判讀不易,也經常有誤判的情況傳出。

他先前就拿AI模型套用在一名82歲、脊椎第一、二節壓迫性骨折的患者影像上,因剛好在胸肺交界處,肺部陰影讓脊椎體呈現凹陷,AI也因此過度診斷,認爲脊椎有多處壓迫性骨折,但在骨科醫師看來,其實只有一截。

爲了解決該問題,周伯鑫與研究團隊先針對整張影像進行深淺平衡,再將圖片進行降躁,影像邊緣也透過補值來維持邊緣不模糊,最後再利用分水嶺演算法,將椎體邊緣演算得更清楚,方便AI辨識。目前該模型仍在實驗階段預計9月會發表「期末報告」。