血液癌症难以早期察觉，以骨髓增生性肿瘤（myeloproliferative neoplasm，简称MPN）为例，种类多、临床症状相似，病理切片与突变特征有高度重叠，且切片结果通常以肉眼判断，以往一次判读时间超过30分钟，还需仰赖经验丰富的临床血液科医师及血液病理次专科医师。林口长庚纪念医院，与知名科技厂、药厂携手，将「AI技术」导入医学，并以38万个数位化玻片作为资料库，辅助诊断MPN，缩短判读时间、减轻负荷量并提升精准度，帮助患者及早发现病情，并接受治疗。

MPN非固态肿瘤　靠血液分析才能诊断

骨髓增生性肿瘤，是罕见的血液癌症，是因骨髓中产生过量的红血球、白血球或血小板，依据2016年世界卫生组织的分类 ，又可分为原发性血小板增多症（ET）、真性红血球增多症（PV）、原发性骨髓纤维化（PMF），其包含早期骨髓纤维化（pre PMF）及显著骨髓纤维化（overt PMF）四类，不同种类各有不同的预后及治疗方式。

林口长庚纪念医院血液科郭明宗医师表示，目前在临床上面临的最大挑战不仅是治疗，其实从「诊断程序」就开始。因为「骨髓增生性肿瘤」，没有明显可触及的肿块，通常患者求诊时可能是因为无症状的血液相异常，或是因疾病引起的其他症状或并发症，如出血、中风或是脾肿大等，无法直接看出原疾病为何。因此必须以骨髓病理切片，透过血液检查数值中抽丝剥茧，进行诊断，2016年世界卫生组织也已将骨髓切片做为诊断的必要条件之一。

图片

38万玻片「数位化」　成为AI辨识肿瘤模型

然而病理切片判读的复杂度，超乎一般人想像，林口长庚纪念医院解剖病理部副主任庄文郁解释，医师必须仔细评估各种造血细胞在显微镜下的数量、形态及空间分布，才能得到精准诊断，但以人工判读较不客观且难以量化，各医师经验不同，诊断也会有差异，尤其对经验少的医师来说，更是高难度。若导入AI技术，其原理好比上传照片到社群平台，透过自动人脸辨识系统，显示或标记照片上的人物是哪一位朋友，庄文郁表示，AI技术不仅可以认脸，也可以辨别极度困难与复杂的细胞了！

 林口长庚纪念医院解剖病理部主任陈泽卿指出，院内每月有高达上万笔的病理玻片需要判读，因此亦将病理玻片「数位化」，并已累积超过38万片，成为AI研究开发的基础，透过庞大的数位病理资料库，让AI进行深度学习与训练，发展出一套可辨识骨髓增生性肿瘤的模型，大大提升判读方便性、准确性，弥补各医师间经验上的差异，并减轻大量病理玻片的判读负荷量，最关键的是可以帮助病患及早发现、及早治疗，避免转化为预后较差的疾病或严重并发症。