【記者姚孟汝報導】頭頸癌是頭部與頸部出現癌病變，包含口腔癌、鼻咽癌與甲狀腺癌等，而台灣頭頸癌比率居世界之冠。中國醫藥大學醫學工程與復健科技產業博士蔡宜倫，發表論文〈以深度學習自動圈選頭頸癌腫瘤與淋巴結及分析放射組學關鍵復發因子〉，研究開發自動圈選腫瘤（註1）系統，以及利用深度學習模型預測頭頸癌的高風險復發族群，榮獲文獲2024第17屆崇越論文博士組優等獎。
註1：圈選腫瘤，是在CT電腦斷層掃描或MRI核磁共振成像上識別並標記腫瘤區域的過程。
崇越論文大賞得獎照片，左二為本次論文作者蔡宜倫。 圖／蔡宜倫提供
一般人工圈選頭頸癌腫瘤需要依靠經過訓練的專業醫療人員，且花費至少約40分鐘至一小時，「但對於癌症患者來說其實分秒都很珍貴，因為他們的腫瘤每天都在長大。」蔡宜倫補充道。在多數情況下，患者需要再次回診才能進一步取得詳細的報告結果，延宕治療時程。蔡宜倫為此開發能輔助醫生快速診斷的自動圈選模型，減少醫事人員負擔，讓患者儘早確認腫瘤位置後開始規劃療程，他說：「我們做出的這個演算法，一位患者的圈選時間只要一到三分鐘即可。 」
臨床上醫師得到的第一手影像。一般人難以分辨出腫瘤位置，專業人員也需花費近1小時圈選。 圖／蔡宜倫提供
蔡宜倫從專門用於頭頸癌相關研究的公開影像資料集，HECKTOR (HEad and neCK TumOR) 獲取患者的電腦斷層（CT）與正子斷層造影（PET）影像資料，將這些數據放入深度學習模型訓練，並額外進行編碼，自動給予電腦提示，幫助其聚焦於腫瘤附近的範圍，成功將模型圈選與人工圈選的重疊率提升至85%。蔡宜倫說：「其實70％的標準在臨床上就能有效幫助醫生減少大量工作時間，而一般模型最好的圈選結果大概到80%左右，但我們的模型多了5%的表現。」
模型圈選結果，紅色為醫生手動圈選的正確答案，綠色則為模型圈選的範圍。 圖／蔡宜倫提供
此外，蔡宜倫也專注於頭頸癌腫瘤產生區域轉移（註2）的預測研究，「我們想預估哪些患者有高機率會產生區域轉移，那他用的放射治療跟化療的劑量就要去做提升。」蔡宜倫補充道，他抽取中國醫藥大學附設醫院頭頸癌患者的CT影像數據，放入深度學習模型並找出區域轉移與否的關鍵因素，結果發現同時有下咽癌和飲酒習慣的患者較容易發生此現象。
註2：「區域轉移」意指腫瘤移除後又轉移至淋巴結上，此狀況下，患者在五年內的存活率便會大幅下降至37%左右。
深度模型在眾多的資料特徵中，找出四個影響區域轉移的關鍵復發因子。 圖／蔡宜倫提供
談及未來願景，蔡宜倫希望能結合本研究圈選與預測兩部分，形成一套更完整的模型，提高就診效率。國立臺灣大學醫學院附設醫院副院長婁培人表示，腫瘤圈選初步的準確度雖然可觀，但仍需要臨床驗證才能確定其實際價值，他說：「畢竟醫療內容關乎病患的健康甚至生死，需符合更高的標準，越嚴謹的醫療團隊也會要求更有實證依據的檢查或治療方式。」曾參與本次論文部分研究的中國醫附設醫院放射腫瘤部光子放射治療科主任陳尚文則說：「未來人工智慧的能力會隨著科技更加進步，屆時本研究針對區域轉移的預估也會有更精準的可能。」
