醫生「睇片」耗時 AI可省40%診斷時間

  香港文匯報訊(記者 鍾健文)作為港科大AI醫學大模型合作夥伴之一,暨南大學第二臨床醫學院深圳市人民醫院放射科主任醫師吳明祥昨日分享道,中國每年有近百億人次就診,醫生在繁重工作下,能夠用於閱讀和分析磁力共振(MRI)影像時間十分有限。他以乳腺癌MRI影像為例,患者約需時半小時檢查,而醫生「看片」亦需要20分鐘,複雜病例更要多於半小時。透過應用科大MOME模型,可望減少30%至40%診斷時間,也能在乳腺癌早期發現一些新影像,讓醫生作出正確判斷。

  吳明祥說,一些特別微小的癌症病灶在早期很容易被漏診,MOME模型亦能夠向醫生作出提醒,防止漏診。基於MOME模型可對乳腺癌發揮全流程作用,從最早腫瘤篩查到最後的預後評估都可給醫生提供幫助,有助拓展醫生的診斷和能力範圍。

  他表示,該模型目前處於數據分析階段,正在通過收集更多數據和參數作優化,以保證其準確度和安全性,為未來臨床應用作準備,「希望隨着模型逐漸完善和普及,它會成為醫生的一個得力助手,能夠最終提升我們整個醫療質量。」

  另一合作夥伴,南方醫科大學基礎醫學院病理系/南方醫院病理科主任梁莉,昨日透過視像分享應用mSTAR模型於病理診斷的體驗。

  她表示,病理診斷被稱為癌症斷症的黃金標準,對臨床治療有重要的指導價值。不過,過程中,病理醫生要在顯微鏡下從微觀層面觀察患者所有切片樣本,非常費時費力,「而且病理診斷也受到不同醫生間主觀診斷差異的影響,所以AI技術輔助診斷現在是非常有潛力的一個方向。」

  助病理醫生速探索全片病理圖像

  梁莉指出,以往的AI大模型主要是將病理圖像切割成不同部分再進行獨立分析,但港科大的mSTAR則是基於全片式的全景影像分析,更加準確高效,並滿足多樣化的臨床診斷任務,包括癌症診斷分級分析,及預後和療效評估等,「有了mSTAR的AI助手,可輔助病理醫生快速地對全片病理圖像進行探索,簡化工作流程,提高閱片速度,也有助提升診斷精準度和效率。」

  梁莉正與陳浩團隊合作,希望能夠提供更多臨床樣本數據來驗證病理模型的效能和準確性,促進轉化和臨床應用。團隊又會針對癌症中發病率最高的肺癌,來建立專病大模型,「希望通過病理基礎模型和專病大模型的協助和配合,進一步提高腫瘤的精準診斷水平。」