台科大以AI辨識CT掃描影像　2秒辨識多類病灶

台科大教授王靖維團隊開發「通用3D病灶分割AI模型」，可用於電腦斷層CT掃描影像，精準辨識與分割多類別的胸腹部病灶，最快不到2秒，獲國際醫療3D CT影像AI競賽第3名。

▲台科大教授王靖維（右）率團隊開發「通用3D病灶分割AI模型」，獲國際醫療3D CT影像AI競賽第3名。（圖／中央社）

台灣科技大學今（22）日發布新聞稿指出，傳統電腦斷層掃描（CT）影像在分割病灶的難點，包括病灶識別困難、需大量專業人力分析、手動標註病灶耗時等，因此導致診斷效率低下，增加醫療成本，而在人工標註過程中，還容易因疲勞、有限診斷作業時間和經驗不足而漏判。

台灣科技大學醫學工程研究所教授王靖維表示，團隊研究開發「通用3D病灶分割AI模型」，可精準辨識多類別胸腹部（包括骨骼、胰臟、腎臟、肝臟、肺結節、肺部、結腸、淋巴結和縱膈）病灶，適用於胸腹部CT影像，能自動化精準標註多種3D 的CT病灶，幫助放射科醫師以3D形式標註病灶，解決手動標註耗費大量人力成本問題。

「通用3D病灶分割AI模型」除了精準辨識，在處理效率上更充分滿足臨床應用需求，傳統人工標註每案約耗費30到60分鐘，但團隊透過AI技術，在配備單一T4 GPU的Grand Challenge平台伺服器上處理每個3D病灶資料只需3.25秒，若使用配備RTX4080的電腦則不到2秒。

王靖維說明，3D的CT影像病灶分割與2D影像相比，能提供更多有助醫師監控病灶成長的資訊，如病灶體積、形狀和空間位置；CT掃描的自動AI病灶分割也比手動分割更具優勢，包括提高效率、可重複性、準確性和標準化，從而實現更精確的定量分析，並促進研究成果轉化為臨床實踐。

台科大提到，王靖維研究團隊參加今年國際醫療3D CT影像AI競賽，榮獲第3名，透過參與競賽，除了提升團隊技術實力外，也增強處理大規模、多類別CT影像數據方面的經驗，並深入了解如何在真實臨床應用提升AI模型的實用性和穩健性，為未來研究和應用奠定堅實基礎。