第四十五卷第三期 113年3月1日發刊
微創新時代∼機器手臂手術多專科運用
運用深度學習判讀急性呼吸窘迫症的胸部X-ray
◎林口長庚醫療人工智能核心實驗室碩士級研究助理 王翊峰
急 性呼吸窘迫症(ARDS)病人的肺部變化源於廣泛性的肺泡微血管受損,使得內皮細胞間通透性增加,引發肺泡出血及水腫等現象,最後導致肺內無效腔及分流增大,肺順應性與氧合狀況變差,而造成呼吸窘迫。最常見之病因以敗血症、肺炎、吸入性肺炎、大量輸血、胰臟炎等疾病所引發。目前ARDS病人死於呼吸衰竭的機率不高(<5%),而大多死於敗血症或多重器官衰竭,死亡率約50%。對病人而言,肺纖維程度也決定患者日後肺功能。
急性呼吸窘迫綜合徵 (ARDS) 是一種常見但未被充分辨識的危重疾病綜合徵,與高死亡率相關。其未被充分辨識的一個重要因素是 ARDS 胸片上的多變性,所以如果能夠早期在臨床上識別這樣的症狀,將有助於醫護人員對病人更好地進行管理,但是對於增進一個初步檢查認為可能有問題,還沒有詳細檢查找到特定問題時的臨床表現,則是屬於較具有挑戰性的目標。
深度學習為機器學習領域的其中一個方法,利用類神經網路的架構來做目標的學習。深度學習最常見的應用,包括影像識別、語音辨識、自然語言處理等,甚至推薦系統、生醫資訊等,各種和生活相關的領域都可以看到深度學習的應用,而其中影像辨識最為廣泛。從早期的Alexnet、VGG以及許多後來以捲積神經網路為架構的模型伴隨著GPU的技術興起而被廣泛地使用於業界。
由於ARDS 胸片上的多變性,放射科醫師可能不會在其口述報告中明確說明胸片是否發生ARDS。因此,我們這個研究旨在開發一種深度學習模型,以在便攜式仰臥照射的胸部X光上診斷ARDS,簡單來說就是利用深度學習技術偵測急診病人,是否出現急性呼吸窘迫的症狀,來檢測 ARDS輔助醫師提早發現或是去多加留意那些不易發現的病例。本研究目前與桃園長庚楊政達院長、胸腔科高國晉醫師、黃鴻育醫師合作,我們利用Resnext50模型架構,準確率為0.84,已達到發表論文的模型表現。從醫院的影像系統中將X光的影像提取出來(如圖一),放進模型中做推論,模型即可辨認出影像是否有問題,以及透過視覺化的方法來呈現可能有問題的部位(如圖二)。由於現在只是論文發表的階段,未來將嘗試更提升準確率,即能規劃並部署模型於臨床端(如圖三),輔助醫師更快速更準確的診斷判定ARDS。
         
 
封面故事
巨大子宮精準摘除 達文西機器手臂神助攻
達文西機器人切除肝腫瘤已納入健保給付
呼吸中止睡不好 達文西手術找回一夜好眠
精確、穩定,大腸直腸手術的新選擇∼達文西微創手術
特別報導
長庚醫療體系創新研發成果卓越 榮獲第 20屆國家新創獎 30項大獎
長庚醫療體系榮獲 2023 國家生技醫療品質獎 1 金 1 銀 2 銅 8 標章肯定
心靈點滴
護理,始終是那連結的橋樑
中醫報導
由現代藥理看中醫藥如何調節腸道微生物菌叢
飲食營養
ERAS術後加速康復∼營養照護
兒童醫療
認識新生兒歪頭症
本月主題
微創新時代∼機器手臂手術多專科運用
焦點話題
神經內分泌瘤治療新曙光∼基隆長庚成功完成神經內分泌瘤肽受體放射性核素治療 (PRRT)
鼻腔精準微創重建 有效改善空鼻症與睡眠情緒障礙∼林口長庚空鼻症治療成果獲國際頂尖期刊肯定
基隆長庚顯微手術成功植回斷腿,病人如願恢復行走
2023 年長庚醫療體系、長庚大學、長庚科技大學榮譽彙編