不同於其他醫療影像，病理切片經數位化後，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畫素，受到ai計算的記憶體限 制，常見的方法是將每張玻片切割成數萬個小區塊，卻需仰賴病理科 醫師的標註，才能進一步訓練ai。此方法受限於專業人力資源限制， 為數位病理ai發展的最大瓶頸。可以說，數位病理ai開發門檻很高， 億萬畫素影像運算更曠日費時。

雲象科技執行長葉肇元醫師表示，從建立ai技術之初就已預料到， 病理ai開發所需的大量標註工作會成為重大瓶頸。因此雲象科技3年 來持續探索解決方案，近日將其突破性的成果發表於nature commun ications，雲象成功透過尖端科技助攻癌症辨識，一舉奠定臺灣ai技 術領先地位。

而此次發表的研發成果也仰賴由科技部經費支持下所建置的「醫療 影像巨量資料庫」，及國研院國網中心於前瞻基礎建設計畫支持下所 建置的臺灣杉二號超級電腦；此次成果可說充分展現了產、官、學合 作所發揮的綜效，為臺灣ai發展樹立典範。

雲象結合ai技術、資料、運算能力黃金三角，應用於臺北醫學大學 的9千多張肺癌全玻片影像資料集上，透過臺灣杉二號充沛的運算能 量，成功用4億萬畫素的全玻片影像訓練ai，技術水準超越美國知名 病理ai公司paige，為數位病理ai發展的重大里程碑。

此項發表重要性在於，數位病理全玻片影像，不再需要影像切割及 費時的細節標註，即可用來訓練ai做癌症辨識。這項突破性的技術， 可以讓醫院充分應用過去所累積的大量玻片資料，進行ai研發。可以 預見此技術將為醫療ai尖端技術帶來嶄新的局勢，奠定臺灣於全球a i發展上的領先地位。<摘錄工商-◎必◎富◎網◎小編整理、同質網站未經授權請勿直接複製>