【記者李雨羲綜合報導】視網膜神經節細胞（Retinal Ganglion Cells, RGC）為眼睛能看見物體的關鍵細胞之一，而過去並沒有合適的模型用於研究相關疾病。國立陽明交通大學助理教授翁雨蕙團隊與臺北榮民總醫院，合作分化出「類」視網膜神經節細胞，不僅提供視神經節病變問題的治療模型，也為藥物副作用實驗開拓更簡便的方法。 此研究結果發表於國際期刊《細胞和分子生命科學》（Cellular And Molecular Life Sciences）。　圖／陽明交大提供在病患長期服用治療肺結核的藥物後，大約會有1%的機率，出現包括視神經細胞病變等不良反應，最終導致失明。因此，研究團隊以幹細胞生成類細胞，找出藥物副作用的原因。團隊學生、陽明交大生命科學系暨基因體科學研究所柳湘琪表示，過去被應用在實驗中的細胞模型，並非視神經節細胞，因此不適用於這類型的實驗，「曾經有類似的RGC模型被廣泛拿來做研究，但最後卻被證實為感光細胞。」柳湘琪說明，過去研究相關病變時，會利用人類誘導性多能幹細胞（Human induced pluripotent stem cell, hiPSC），並讓其生長成可以表現眼睛所具有特徵的細胞，而過程需要耗費長達90到100天。同時，他們所需要的RGC，只在其中占1%左右的比例，因此還需要額外的純化程序去處理，過程耗時又費力。因此，團隊希望能夠找出可以控制基因表現的轉錄因子，透過指定幹細胞的分化，提高RGC的生成效率。「一開始的分化過程一直不太穩定，因為需要找出其中的關鍵轉錄因子，所以只能一直不斷重試。」團隊學生、陽明交大生命科學系暨基因體科學研究所陳是瑋說明，團隊透過將基因片段放入細胞核，觀察其形態變化的方式，最終找出了三種，可以將hiPSC在14天內，直接分化為RGC的關鍵轉錄因子。 hiPSC透過嵌入三種關鍵轉錄因子：ATOH7+、BRN3A/B、SOX4，得以直接分化為RGC模型。　圖／柳湘琪提供基隆長庚紀念醫院長、眼科部醫師賴旗俊說：「若未來此研究越趨成熟，無論是基轉研究或是藥物治療等個人化醫療，都能提供相當的協助。」柳湘琪對此也提到，由於目前RGC尚在發表階段，因此未來會先以動物實驗作為下個階段的目標，確認是否可以作為測試藥物作用的模型。「最終結果是希望RGC可以成為視神經節的替代細胞，恢復病患因為相關病變而失明的症狀。」倘若後續有機會更進一步進行臨床實驗，也希望此研究能夠協助改善青光眼等因為視神經節細胞引發的疾病。 在確認hiPSC是否轉變形態、成功分化為RGC時，團隊會將各基因與部位染上不同顏色，便於觀察細胞核、神經軸等特徵上的變化。　圖／柳湘琪提供

【記者張雅媜綜合報導】視網膜上的微血管能透露出眼部病變的徵兆。國立雲林科技大學電子工程系特聘教授陳錫釗研究團隊研發出「人工智慧辨識視網膜血管影像與重建方法」，以AI人工智慧協助眼科醫生判斷血管位置及狀態，榮獲韓國首爾國際發明展金牌。過往醫師欲取得視網膜血管造影，須先使用紅外線眼底照相機拍攝影像後，人工標誌出血管的位置、形狀，並加以判斷，此過程費時費力。陳錫釗說：「醫師檢視大量的影像內容，可能因眼睛疲勞而降低判斷準確度。」於是研究團隊開發辨識系統，利用AI人工智慧自動標示出血管型態、位置，減輕醫師治療負擔。雲科大視網膜血管影像重建系統選用目前最新的Sine型網域全卷積神經網路作為AI訓練模型，經測試，其訓練所需時間相較於傳統常見之U型模型短，且可達近97％的準確率。陳錫釗表示，U型模型的做法是透過將影像解析度分階段降低，以數個層次分析不同的影像元素；而Sine則是採取先增加、再降低解析度，透過雙向轉換並減少分析層次數量，以達到縮短訓練時間，並有高度準確率的效果。 Sine型網域全卷積神經網路模型訓練時，影像解析度會先向上增加、再向下減少，以增強學習效果。　圖／藍聖翔提供訓練AI模型需要投餵大量的影像資料。研究團隊因應醫療使用需求，故選用經專業醫師繪製並認證的血管影像，惟從國際公開資料庫取得的數據不足以應付訓練需求，故團隊需再將原有影像分割出5000筆以上的資料來訓練模型。團隊學生藍聖翔說明：「我們將圖像左右翻轉、上下顛倒或隨機旋轉後進行局部切割，以增加訓練資料量。」 以人工智慧辨識視網膜血管影像與重建方法產生之視網膜血管造影，由左至右為原影像、灰階影像、AI預測影像。　圖／藍聖翔提供完成訓練的系統可供一般電腦伺服器使用，讓醫療院所不需特意升級硬體，直接把眼底攝像照輸入電腦系統，便得到完成標記的血管造影。眼科醫師沈仁翔認為此技術可以先在內科或家醫科診所推廣，他說：「視網膜血管是大腦的延伸，若一般診所可透過此系統觀察出眼中風等疾病徵兆，可減少病患錯失醫治良機的狀況發生。」長庚醫院眼科部教授賴旗俊則表示，系統雖然對資料整理、降低勞力需求有幫助，但以目前的法律制度及AI的發展程度而言，醫師仍難以完全信任系統，他說道：「AI若判斷錯誤而導致誤診，醫師要為其負責，因此我們還是會比較傾向自己判斷。」