科技與醫療是台灣的兩大優勢產業，透過彼此的激盪交融，智慧醫療的相關應用已遍地開花，但在數位病理領域仍是一片新藍海。組織病理切片數位化後，其影像解析度非常高，單一張數位玻片的解析度高達數十億甚至百億畫素，檔案最大可超過10GB，不僅資料儲存是一大挑戰，訓練AI模型更是曠日費時。

進行微米等級的病理標註

為此，台灣十大科技新創公司之一的雲象科技與國家實驗研究院高速網路與計算中心（國研院國網中心）合作，以具醫療影像優化架構的台灣AI雲（Taiwan Computing Cloud，TWCC）為後盾，實現運用統一記憶體及算圖優化的技術，挑戰直接以全玻片數位病理影像發展AI模型，每個專案可節省專業醫師半年的標註時間，為數位病理AI技術帶來巨大的革新。

TWCC助攻 化不可能為可能

雲象科技的核心業務是打造可辨識特定癌症細胞的深度神經網路模型，以輔助醫師更快速有效地在病理切片中辨識出癌症細胞。醫師針對癌症區域進行細節標註後，因影像過大，目前作法是將全玻片影像預先切割為數萬個小區塊，才能進一步訓練AI模型。傳統方法效果雖然優異，然而必須對每個區塊都有預先標註，才得以訓練深度神經網路模型。

雲象科技於2019年運用統一記憶體及算圖優化的技術，挑戰用完整的全玻片影像來訓練深度神經網路，取代目前仰賴醫師專業人力標註並把影像切割成多個小區塊的方法，來節省專業病理科醫師數月到半年不等的標註時間。而此構想唯有在「台灣AI雲」得以實現。

和一般商用雲不同，台灣AI雲採用高速計算架構設計，每個節點間設計有100G頻寬，讓全解析度影像資料得以順暢交換處理，使得高達數十億畫素的全玻片數位影像AI訓練變成可能。透過雲象科技軟體加速及台灣AI雲，計算速度提高了275倍，每個專案可省下專業醫師近千個小時的標註時間；且可透過400倍超高解析度、零切割最完整的方式做全面檢視，大大提升了辨識的效率和品質。

群策群力 助科學家技術創新

國研院國網中心史曉斌主任表示，為有效協助各項產業應用落地生根，TWCC於架構設計初期，即考量發展智慧醫療所需之特殊需求，讓各種應用的高難度技術突破成為可能。超級電腦不僅可以預測未來，還能協助醫生看病，守護生命的美好。

雲象科技執行長暨共同創辦人葉肇元指出，數位病理AI將是未來實現精準醫療不可缺少的一環。目前雲象科技已應用新技術，與國內林口長庚醫院合作發展鼻咽癌全玻片影像AI偵測模組，實驗達96%以上的準確率；同時持續挑戰不同種類及更高難度的疾病病理辨識，例如骨髓抹片自動分類計數、肺癌辨識及定量、腎臟病理辨識等10幾項專案。

此技術成果預計於今年11月國際高速計算大會（SuperComputing Conference，SC）發表，透過國研院國網中心的「台灣AI雲」，可有效滿足生醫研究與應用所需之超高解析度影像運算，亦可增進AI模型訓練的生產力，支持科學家們進行更多技術創新，提升醫療品質。