攝護腺癌已躍升為國人男性癌症新發生率第 3 位。臨床診斷仰賴多參數核磁共振影像（multiparametric magnetic resonance imaging, mpMRI）與 PI-RADS 評分，惟影像判讀具高度主觀性，且「核磁共振與超音波融合切片手術」操作複雜，新進醫師學習曲線陡峭，導致診斷效能與醫療資源分配面臨挑戰。本院於計畫中開發「人工智慧攝護腺影像分析系統」，採用 U-Net3+ 深度學習架構，系統可自動進行腺體分割、病灶偵測與 PI-RADS 自動評分，平均僅耗時52 秒。此外，結合 SECI 知識轉化模型與擴增實境（AR）技術，將 AI 生成的 3D 立體病灶模型投射於模擬教具，建立從影像判讀到實體手術模擬之標準化教學訓練流程。經訓練後，學員判讀 PI-RADS 正確率提升，手術自信心顯著增加（p-value < 0.05）。在手術效率方面，平均手術時間隨教資源導入逐年下降，資深住院醫師手術時間可縮短至 100 分鐘以下（p-value < 0.0001）。
透過策略聯盟與醫師參與繪圖，大幅縮短 MRI 檢查與病灶標註等待天數。AI 辨識良性肥大與低惡性度癌症之 area under curve（AUC）達 0.7361，優於臨床醫師（ 0.6686），有效減少不必要的侵入性切片。本專案成功整合 AI 診斷與 AR 模擬教學，不僅提升臨床醫療品質與資源利用率，更落實精準醫療，建立攝護腺癌診斷流程數位轉型之典範。
