人工智慧模型判讀總膽管結石

林孟穎

總膽管結石（Choledocholithiasis）是指膽石存在於膽總管中。大多數總膽管結石是由膽囊結石遷移而來，約有10–20%的膽石症患者同時合併有總膽管結石。隨著年齡增長，總膽管結石的發生率也會提高。總膽管結石可能導致急性化膿性膽管炎與急性膽源性胰臟炎，這些情況有時會引發敗血症，多重器官衰竭等症狀甚至可能危及生命。因此，即使是無症狀的患者，也應該診斷與治療膽總管結石。同時臨床上處理總膽管結石的方式都屬侵入性的治療，伴隨著約莫20%的併發症機會。臨床醫師如何正確而快速的診斷找出總膽管結石病患後讓他們接受適當的治療，同時也讓不需要治療的病患免於承受接受治療後發生併發症的風險相當重要。

臨床上，總膽管結石的診斷一直都是仰賴著臨床症狀，實驗室檢查結果，以及腹部超音波檢查 (CBD stone guideline)。然而，即使遵守了這些治療指引，醫師能夠達到總膽管結石的陽性預測率僅在56%至74%之間¹。 意味著有將近四成的患者接受了不需要的醫療，不但讓他們暴露了風險同時也耗費了醫療資源。追究其原因可能可以歸因於腹部超音波的不確定性，腹部超音波有著便利使用，普及性等優勢，但很容易受到病患的因素 (如體重，以及解剖構造變異等)以及執行者的技術的影響。檢查的品質往往無法一致。而腹部電腦斷層則避開了上述因子可提供品質較為固定的檢查。臨床上結合了電腦斷層影像的診斷方式可提供較好的總膽管結石診斷率²。 然而隨之而來的問題是電腦斷層的判讀需要大量且長時間的訓練方能達到穩定。在一個比較180張隨機腹部斷層影像去探尋總膽管結石的競賽中，從見習醫師一直到資深住院醫師都無法達到如專科醫師的診斷能力。可知若是將所有懷疑總膽管結石的病患都使用電腦斷層診斷將增加放射專科醫師的負擔。因此一個能有如專科醫師準確又節省大量時間的解決方案在臨床上執行面上相當重要。

人工智慧(Artificial intelligence) 發展至今一直都被醫學研究者寄予厚望，其穩定而客觀的特性提供了醫療人員很大的幫助。而人工智慧影像判讀最負盛名的文獻便是2016年刊登在美國醫學會雜誌(JAMA)的人工智慧眼底判讀糖尿病視網膜病變的文章。該文章展示了一個具有早期診斷價值且如同專科醫師準確的模型³。此模型讓我們理解到透過大量資料的訓練，人工智慧可近乎完美的提供一個針對單一醫療問題的解決方案。此模型激勵了我們也讓我們開始著手訓練總膽管結石斷層影像判讀的模型。人工智慧模型判讀總膽管結石的歷史約可追朔自10年前，Predrag Jovanovic團隊透過一個建置一個神經網絡(artificial neural network)分析了超音波影像結果以及臨床抽血資訊，可診斷92.3%有總膽管結石之患者，但卻將30.4%沒有石頭的患者誤判成有石頭⁴。這些誤判同樣導致不必要的侵入性檢查。

單純的人工智慧斷層影像判讀總膽管結石則還未有人發表過，因此我們透過機器深度學習法，將萬餘張的斷層影像經過專家判斷結果 (有無總膽管結石) 後轉而讓電腦學習怎麼判讀，經測試後，此模組可達到幾乎與放射科醫師相同的診斷能力。未來不但可以減低放射科醫師緊急閱片的負擔，同時對住院醫師以及醫學生的教學也相當有幫助。

圖一、 實際運作人工智慧模組的示意圖。

圖A為一張具有總膽管結石的吳顯影橫切斷層掃描圖，AI可以完美地指出結石所在處。

相反的圖B是一張沒有總膽管結石的斷層圖，人工智慧並不會把非石頭的物體認錯。可見此人工智慧模組確實認識且可以指出石頭所在。

參考文獻

1. Wong WF, Kuo YT, Han ML, et al. Endoscopic ultrasound avoids diagnostic ERCP among the ASGE high-risk group - Experience in an Asian population. J Formos Med Assoc 2024;123:374-380.
2. Anderson SW, Lucey BC, Varghese JC, et al. Accuracy of MDCT in the diagnosis of choledocholithiasis. AJR Am J Roentgenol 2006;187:174-80.
3. Gulshan V, Peng L, Coram M, et al. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA 2016;316:2402-2410.
4. Jovanovic P, Salkic NN, Zerem E. Artificial neural network predicts the need for therapeutic ERCP in patients with suspected choledocholithiasis. Gastrointest Endosc 2014;80:260-8.

作者資訊