【記者姚孟汝報導】在肺癌病例中，非小細胞肺癌（NSCLC）佔八至九成。畢業於國立陽明交通大學醫學系光電組的王廷瑋，在陽明交大學生物醫學暨工程學院副院長與生醫光電研究所特聘教授吳育德的指導下，發表博士論文「結合人工智慧與影像組學方法輔助非小細胞肺癌病患之臨床決策」，設計一款幫助非小細胞肺癌病患更精準選擇治療方式的模型，對未來的醫療決策有卓越的貢獻，榮獲第五屆方賢齊博士論文頭等獎肯定。 在癌症的病例中，每位患者根據個人體徵、基因的不同，所適用的治療模式也會有所不同，且治療結束後，仍有病情復發的可能性。吳育德說：「你其實可以把我們的設計看成是一個算命的模型。」藉由建立病患的個人資料，包含抽血、驗尿、基因及影像數據，該模型能夠預測病患服用特定藥物後，有幾成機率會復原或是復發，幫助醫生更準確地規劃療程。「癌症治療非常昂貴，且可能產生副作用。」王廷瑋補充道，希望藉由建立預測模型，減少病患所需花費的各項成本。 在過去的研究中，主要依靠臨床病例與實驗數據預測患者治療後復原、復發的機率，近年則逐漸開始運用分析影像數據擷取重點特徵，或直接透過深度學習模型預測。然而傳統統計模型無法捕捉到個案先前病例、基因變異、體徵差異等可能對預後造成的不同影響。本研究改良並設計更具應用價值的預測模型，不僅包含容易理解的影像特徵，也在傳統模型中融入AI，分析受多種複雜因素交互影響的個案數據，與過去僅能在獨立特徵間進行分析的線性模型（註）相比，此模型突破以往的局限。 註：線性關係：兩個變量之間的關係可以用一條直線表示。當一個變量改變時，另一個變量也會按固定的比例改變。非線性關係：兩個變量不再是依固定的比例變化，而是受多種複雜因素交互影響。 此外，王廷瑋也深入多間醫療機構進行測試，結果顯示，此模型在預測12個月的疾病進展準確率大約可達77%。研究目前主要收集針對標靶及免疫治療的數據，建立肺癌預後模型。期望未來能逐步引入不同治療方法的數據進行訓練，從而建立更為全面的系統，提升病患的生活品質。 臺北榮民總醫院新竹分院胸腔內科主任醫師邱華彥說：「此模型自動化的影像判讀輔助系統，可以加速檢驗流程、減輕放射科醫師負擔，並幫助第一線臨床醫師更快擬定治療計畫。」有效節省病患與醫師時間。但他也提醒，訓練資料集的不足是研究最有可能遇到的狀況，需要結合數家醫院的資料一起訓練，或成立更大規模的線上平台。