雲象影像AI登上國際科學期刊 ｜雲象科技

亞洲醫療影像AI領導廠商雲象科技aetherAI，2月24日官宣其深度 學習大圖運算技術，登上Nature Communications，此突破性的研究 採用零標註零分割方法，得以將未經切割的病理全玻片影像直接用於 訓練AI模型，大幅節省醫師專業人力，技術超越美國知名病理AI公司 Paige，成功解決數位病理AI開發痛點。

不同於其他醫療影像，病理切片經數位化後，其影像解析度非常高 ，單一張數位玻片的解析度高達數十億畫素，受到AI計算的記憶體限 制，常見的方法是將每張玻片切割成數萬個小區塊，卻需仰賴病理科 醫師的標註，才能進一步訓練AI。此方法受限於專業人力資源限制， 為數位病理AI發展的最大瓶頸。可以說，數位病理AI開發門檻很高， 億萬畫素影像運算更曠日費時。

雲象科技執行長葉肇元醫師表示，從建立AI技術之初就已預料到， 病理AI開發所需的大量標註工作會成為重大瓶頸。因此雲象科技3年 來持續探索解決方案，近日將其突破性的成果發表於Nature Commun ications，雲象成功透過尖端科技助攻癌症辨識，一舉奠定臺灣AI技 術領先地位。

而此次發表的研發成果也仰賴由科技部經費支持下所建置的「醫療 影像巨量資料庫」，及國研院國網中心於前瞻基礎建設計畫支持下所 建置的臺灣杉二號超級電腦；此次成果可說充分展現了產、官、學合 作所發揮的綜效，為臺灣AI發展樹立典範。

雲象結合AI技術、資料、運算能力黃金三角，應用於臺北醫學大學 的9千多張肺癌全玻片影像資料集上，透過臺灣杉二號充沛的運算能 量，成功用4億萬畫素的全玻片影像訓練AI，技術水準超越美國知名 病理AI公司Paige，為數位病理AI發展的重大里程碑。

此項發表重要性在於，數位病理全玻片影像，不再需要影像切割及 費時的細節標註，即可用來訓練AI做癌症辨識。這項突破性的技術， 可以讓醫院充分應用過去所累積的大量玻片資料，進行AI研發。可以 預見此技術將為醫療AI尖端技術帶來嶄新的局勢，奠定臺灣於全球A I發展上的領先地位。