13年打造首創AI腦影像技術　名醫楊智傑奪「創新界奧斯卡」(專訪)

【記者林芳如／台北報導】13年磨一劍加上AI助力，陽明交大醫學系主任楊智傑開發出領先全球的腦影像分析技術，榮獲「創新界奧斯卡」愛迪生獎金獎，新技術突破現有深度學習系統限制，加入「時間」變量，建立138個大腦灰白質區域的退化軌跡模型，不僅客觀量化精神病患腦部各區退化情形，且能預測退化趨勢，進而鎖定關鍵異常腦區給予精準治療，未來可望擴展至神經退化性疾病。

建立138個腦區退化軌跡有助預測

精神疾病診斷長期依賴問診與病史，缺乏客觀量化判斷標準。陽明交大醫學系系主任、臺北榮總醫療人工智慧發展中心副主任楊智傑表示，雖然我們可從憂鬱症病人主訴症狀和行為觀察歸納出一個診斷，大概掌握病人嚴重程度和退化速度，但無法100%客觀量化症狀，以及症狀跟大腦哪個地方有關聯。

楊智傑說，現行精神疾病藥物能有效調節大腦神經傳導物質，但並非大腦每個地方都跟症狀直接相關，一旦藥物影響到非目標區域就會產生副作用，因此，我們研發初衷是希望精神疾病能夠找到更精準的方法，針對特定大腦區域做治療。

為突破這一醫療困境，陽明交大醫學系與臺北榮總醫療人工智慧發展中心聯手研發出領先全球的AI腦影像分析技術「BrainProbe」，能精確定量腦部各區退化情形，根據研發團隊對大腦老化與疾病進展過程的長期觀察，建立起涵蓋138個大腦灰白質區域的退化軌跡模型，該模型可依據患者的年齡與病程，預測特定腦區的退化趨勢。

加入關鍵「時間」變量突破AI瓶頸

「大腦並非一成不變，它會隨著年齡增長逐漸功能衰退，當大腦發生病變，特定區域會加速老化，不同大腦區域的退化軌跡各異」楊智傑表示，過去的AI技術判讀腦影像只能區分患者或健康者，沒辦法確定因果關係也無法呈現病程進展中的關聯性，對臨床並無實際幫助，新技術的關鍵突破在於加入「時間」變量，可以定量出不同大腦區域的改變程度。

楊智傑說，我們透過大量健康受試者的樣本，看健康成人的大腦如何在老化過程中改變大腦體積和功能，定義出健康老化的曲線很重要，不管是躁鬱症、思覺失調症或憂鬱症，我們可以運用這項技術去定量病人現在是剛發病還是慢性化過程，找到大腦功能性改變的位置，有助於後續施行經顱磁刺激術或深層腦刺激治療時，精準鎖定特定腦部區域。

研究結果顯示，思覺失調症患者在發病後22年間，大腦體積顯著萎縮，皮質厚度異常則多出現在疾病早期，尤以額葉、顳葉與島葉的灰質退化最為明顯。躁鬱症與憂鬱症患者也分別在前額葉下側與前扣帶迴出現特異性異常。

開啟精神病、神經退化疾病精準醫療

楊智傑開發出領先全球的腦影像分析技術並非2-3年就完成，早在2012年就開始建立大腦影像資料庫，除了與美國哈佛醫學院多中心合作，還跟全世界神經影像聯盟組織的思覺失調症、躁鬱症、憂鬱症等工作群跨國合作，花了13年終於累積1500位包括健康者和病人的腦影像資料。

2019年楊智傑首次嘗試用機器學習區分大腦在健康跟生病狀況下有何差異，透過AI辨識肉眼無法識別的腦影像，提升診斷的客觀性與準確性，直到突破性地加入「時間」變量，經過不斷資料驗證才成功研發出AI腦影像分析技術「BrainProbe」。

「BrainProbe」現已應用於思覺失調症、躁鬱症與重度憂鬱症的研究與臨床評估，楊智傑期待未來可擴展至帕金森氏症等其他神經退化性疾病的早期診斷與評估。

智慧醫療創新關鍵不只加速運算

人工智慧已在醫療上有諸多應用，不過，楊智傑認為，最重要還是先思考想解決臨床哪些問題，再看AI如何協助解決問題，大數據運算建立模型未必能夠直接回答臨床問題，AI模型必須能夠整合在醫療流程中，不管是精神疾病或神經退化疾病，我們希望運用「BrainProbe」提供更多資訊來了解病人大腦變化，這個是目前其他技術無法達到的。

輝達創辦人黃仁勳在全球掀起「仁來瘋」，曾有台大教授表示「若沒有輝達的成就，他不可能在有生之年完成他的研究」，對此，楊智傑表示，同意加速運算技術包括NVIDIA的CUDA對於科學進展幫忙非常大，很多研究仰賴高速運算技術的突破才能夠完成，但他還是強調「如何切中問題核心，解決問題，包括方法學上突破仍然是重要關鍵」。

楊智傑認為，「BrainProbe」這項技術的成功不僅仰賴先進的運算能力，更關鍵的是對疾病機轉的深入理解及方法學的創新。

看更多：陽明交大開發「AI腦影像分析」技術　有助思覺失調、憂鬱症診斷

⭐️ 即刻下載《知新聞》App！免費！