花蓮慈濟醫院、商之器 (EBM) 與 NVDIA (輝達) 於 2020 年末宣布攜手打造人工智慧 (AI) 行動化平台，今年更進一步與資策會合作，為花蓮慈濟醫院今年 4 月成立的乳房醫學中心建構一套基於 NVIDIA AI 技術的乳房攝影輔助系統，協助乳攝車拍攝、資料初步分析，到影像醫學部醫師的報告診斷，藉此提供更具效率的醫療服務流程，這套與國際同級服務的準確率並駕齊驅之系統自今年 9 月策劃至今約一季即上線，顯見 NVIDIA 一條龍的軟硬體架構環境能協助在極短的時間內，完成高品質的醫療影像 AI。
乳癌的預防是全球醫界的共識，像是台灣衛生福利部國民健康署鼓勵乳癌發生高峰的 45 歲自 69 歲女性，至少每兩年進行一次乳房 X 光攝影檢查。然而，由於乳房攝影相較一般胸腔攝影多了乳房按壓的流程，降低部分女性篩檢意願，同時由於偏鄉地區的民眾前往醫院較為不便，因此礙於交通費用與來回車程而不願主動前往醫院篩檢，故具備行動力的乳攝車成為提升篩檢意願的關鍵。花蓮慈濟醫院規劃此套系統的目的即是透過乳攝車深入偏鄉，為偏鄉地區的女性提供優質且高效率的乳癌檢測，提高台灣女性主動接受乳癌預防檢查的意願。
此套系統架構延續 2020 年花蓮慈濟醫院、商之器與 NVDIA 的合作基礎，加入資策會提供的高準確率 AI 模型，以花蓮慈濟醫院架設的 NVIDIA DGX A100 超級電腦系統、NVIDIA NGC 與專用於醫療領域的 NVIDIA Clara AI 運算平台為核心，透過資策會的 AI 模型，以及花蓮慈濟醫院達三萬例獲得許可並去識別化的乳房攝影影像，再由數十位專業醫師標記後進行 AI 模型訓練，除了於院內使用外，另在乳攝車上配置基於商之器開發的資訊平台之平板終端，進行初步影像分析輔助。
由於醫療病理特性不同，以胸腔 X 光的各式病理為例，若要判讀一張胸腔 X 光片可能出現的病徵，需要使用 30 種以上的 AI，除了複雜度高，也會拉長影像判讀時間，其與作為輔助技術的初衷不同，故此次乳房攝影的 AI 模型訓練著重在單一影像可用性與乳癌判讀，尚未整合其它病理判讀的 AI 技術，希望未來能加入如軟組織與腋下淋巴結的判斷，以提高單一影像的附加價值。
此套 AI 系統建構可帶來三項重要的改革，其一是提升乳攝車實地拍攝影像的可用性與提供初步的建議。縱使乳房攝影技術相當成熟，但仍可能存在影像畫質不夠清晰的問題，其中又以因擠壓乳房過程產生的錯誤擺位為九成的主因，畢竟乳房形狀因人而異，需要就不同的情況施加不同的擠壓擺位，可能有些影像產生沒有符合標準。過去這些影像需要乳攝車將資料帶回醫院後才會發現，但借助乳攝車裝設的平板與 AI，不僅只需 10 秒的時間即可達到 80% 的準確度，又可提供細項偵測結果供技術員重拍時參考。
其二是加速醫師判斷乳房攝影的影像流程，當影像資料由乳攝車帶回院內後，借助院內的醫療影像儲傳系統 (PACS) 可進行影像資料分流。在原本的流程中，需要短期後續追蹤的陽性案例雖可能僅占 10%，但以往醫師須費時費力一張一張閱片，民眾因此須等待至少 2 周至 2 個月才能取得報告；但在此套 AI 系統開發後，當乳攝車將影像傳送至 PACS 系統進行初步分類判讀時，便能先將判斷有異狀的陽性影像挑出，並依嚴重度排序，藉此縮短判讀流程，讓醫師能夠將精力集中在判讀這些陽性案例上。預估在率先進行分類後，醫師僅需閱讀約整體影像的 33.45%，即可判讀完成 8 成的陽性案例，相較原本需逐張閱片的效率提升 58%。
其三則是作為醫師判讀胸部攝影影像的輔助技術，AI 可協助醫師更快釐清影像病理位置，以及挖掘肉眼可能霎時未能第一時間看到的區塊。花蓮慈濟醫院吳彬安副院長表示：「AI 技術的出現並非為了取代醫師，但由於 AI 無需休息且能輔助新進醫師作業，讓判讀的流程更具可靠性。除了事前分類帶來的便利性外，在閱片的過程亦能減少醫師的負擔並加速判讀流程。」
雖然目前此套 AI 輔助閱片系統建構的應用流程已達實用水準，但醫療服務牽涉範圍較為複雜且嚴謹，當前仍屬技術研究計畫，未來將結合更多實例與醫師的專業判斷進行驗證與訓練模型，希望進一步提升判讀精準度並落實實際場域的應用。花蓮慈濟醫院希望借助此乳篩輔助技術的落實，提升偏鄉醫療的可及性，使民眾更易於進行乳癌的早期預防與治療，提升國民健康。