AI判读脊椎压迫性骨折 台北荣总选了一条「难走的路」
骨质疏松是现代人常见的文明病，高龄族群若未及早发现，恐引发胸、腰椎甚至髋关节骨折，影响行动能力。为了帮助医师及早揪出脊椎压迫性骨折，台北荣总去年与交通大学统计所合作，利用AI辅助判读X光片，至今已上传了1000多张影像资料供电脑学习，在影像清楚的前提下，准确率高达95.7%。
台湾医界近年致力发展AI医疗，由电脑辅助判读影响，提升医师看诊效率。目前各医院皆对骨科影像判读设计AI模型，但台北荣总却独树一格，一改业界以电脑断层影像为主的AI模型，改用X光片进行标记，研究成果已发表于6月22日举办「智慧医疗应用」研讨会上。
台北荣总骨科部脊椎外科周伯鑫医师今（3）日受访时指出，人工智慧判读脊椎骨折，是台北荣总承接科技部计划的子项目之一，执行至今约1年半，由医师在X光片上骨折部位进行手动标记，整理成EXCEL档案后上传到交大网路系统，让工程师根据数据，设计AI模型供电脑学习。
▲AI自动判读MRI影像中的腰椎椎间盘退化程度。（图／周伯鑫医师提供）
电脑断层、核磁共振下的脊椎影像清晰，也让模型设计时较为容易，被问到为何会选择成像较差的X光片作为设计模型？周伯鑫表示，这是因为电脑断层的施作条件较严格，非必要健保不给付，且病人也有暴露在辐射中的风险，而X光片几乎每个科别都能做，病人因腰痛、下背痛等问题，到家医科、复健科就诊，医师也能进行X光片检测，若此时导入AI模型，就能及早在影像上发现问题，及早对症治疗。
周伯鑫提到，依照目前模型，电脑从X光上找出骨折部位，约需1分半钟，虽然速度不比骨科、脊椎外科医师肉眼判断，但对于家医科、复健科等非专科医师而言，却能大幅提升看片时间，增加与病患、家属的互动。不过，目前的模型只为「半完成版」，仍有许多地方待修正。
▲X光片AI模组实际测试状况，有误诊也有过度诊断，都是需修正的项目。（图／周伯鑫医师提供）
虽然X光片影像可近性虽高，却有画质模糊等问题。周伯鑫提到，目前AI学习遇到的最大难关，就是「过度诊断」，尤其在胸腰椎交界处，因为肺部有空气阻挡，造成X光判读不易，也经常有误判的情况传出。
他先前就拿AI模型套用在一名82岁、脊椎第一、二节压迫性骨折的患者影像上，因刚好在胸肺交界处，肺部阴影让脊椎体呈现凹陷，AI也因此过度诊断，认为脊椎有多处压迫性骨折，但在骨科医师看来，其实只有一截。
为了解决该问题，周伯鑫与研究团队先针对整张影像进行深浅平衡，再将图片进行降躁，影像边缘也透过补值来维持边缘不模糊，最后再利用分水岭演算法，将椎体边缘演算得更清楚，方便AI辨识。目前该模型仍在实验阶段，预计9月会发表「期末报告」。