用AI辨識胸腹CT病灶不用2秒 台科大解決手動標註問題

台科大医工所教授王靖维（右）团队于今年国际医疗3D CT影像AI竞赛，荣获第3名佳绩。图／台科大提供

传统电脑断层扫描影像（CT）的病灶需要手动标注，相当耗时，台科大医工所教授王靖维团队开发「通用3D病灶分割AI模型」，最快能在2秒内辨识多类别胸腹部病灶，解决人力问题，并在今年的国际医疗3D CT影像AI竞赛中得到第3名。

传统电脑断层扫描影像在分割病灶时，容易出现病灶识别困难的问题，且需大量专业人力分析和手动标注病灶相当耗时，人工标注过程中还容易因疲劳、有限诊断作业时间和经验不足而漏判，导致诊断效率低下，增加医疗成本。

王靖维表示，团队研究开发「通用3D病灶分割AI模型」，在今年国际医疗3D CT影像AI竞赛的632名参与者脱颖而出、荣获第3名。这项模型可精准辨识骨骼、胰脏、肾脏、肝脏、肺结节、肺部、结肠、淋巴结和纵膈等胸腹部病灶，适用于胸腹部CT影像，可自动化精准标注多种3D CT病灶，解决手动标注耗费大量人力成本问题。

王靖维说明，3D的CT影像病灶分割与2D影像相比，提供更多有助医师监控病灶成长的资讯，如病灶体积、形状和空间位置。CT扫描的自动AI病灶分割比手动分割具有优势，包括提高效率、可重复性、准确性和标准化，从而实现更精确的定量分析。

传统人工标注每案约耗费30到60分钟，但团队AI技术在配备单一T4 GPU的Grand Challenge平台伺服器上处理每个3D病灶资料只需3.25秒，若使用配备RTX4080的本机PC则不到2秒。

台科大表示，王靖维研究团队透过参与竞赛，除提升团队技术实力外，也增强处理大规模、多类别CT影像数据方面的经验，深入了解如何在真实临床应用提升AI模型的实用性和稳健性，为未来的研究和应用奠定基础。

王靖维教授团队开发通用AI模型精准3D分割多种类别病灶，红色轮廓代表基准真相；绿色轮廓代表模型预测。图／台科大提供