林琨哲/泌尿部/主治醫師

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。
 

圖一、人工智慧系統分析攝護腺核磁共振影像流程圖與影像分析報告實例

圖二、人工智慧系統於良性、非臨床顯著性攝護腺癌症診斷準確度已達醫師判讀水準甚至有超越人力判讀之潛力。