熱門Ptt文章

[爆卦]切片檢查準確度是什麼？優點缺點精華區懶人包

雖然這篇切片檢查準確度鄉民發文沒有被收入到精華區：在切片檢查準確度這個話題中，我們另外找到其它相關的精選爆讚文章

在 切片檢查準確度產品中有4篇Facebook貼文，粉絲數超過6萬的網紅劉博仁醫師 基因營養功能醫學專家，也在其Facebook貼文中提到， 癌症朋友一定要注意血中維生素D的濃度！ 一位大腸直腸癌合併肝臟以及肺臟轉移的患者， 經過三種化療效果都不好的情況之下來找我， 血液當中的維生素D3濃度居然只有8nmol/L， 這是相當低的， 為了尋找適合的藥物， 我幫她檢測了液態切片CtDNA ， 居然發現七種變異。 美國的這...

「切片檢查準確度」的推薦目錄
  • 劉博仁醫師 基因營養功能醫學專家

    切片檢查準確度 在 劉博仁醫師 基因營養功能醫學專家 Facebook 的最佳解答

    2019-08-23 07:49:54
    有 1,191 人按讚


    癌症朋友一定要注意血中維生素D的濃度！

    一位大腸直腸癌合併肝臟以及肺臟轉移的患者，
    經過三種化療效果都不好的情況之下來找我，
    血液當中的維生素D3濃度居然只有8nmol/L，
    這是相當低的，
    為了尋找適合的藥物，
    我幫她檢測了液態切片CtDNA ，
    居然發現七種變異。

    美國的這篇研究，
    是一個系統性統合研究，
    這種研究論文等級非常高，
    可信度值得參考，
    癌症朋友補充維生素D3，可以將總體死亡率降低16%，
    這就是為什麼我從2010年開始，
    癌症患者開的營養功能醫學處方裡面，
    就包含了維生素D3。
    https://www.nutraingredients-usa.com/…/New-meta-analysis-li…

    不過，這裡面的論文比較詭異的是，
    他們的患者在研究的時候血液維生素D3濃度有50%就已經超過50了，
    在台灣，
    我自己對研究發現，
    第一次來做檢查的朋友，
    血液中維生素D3的濃度有90%是低於30 ，
    有50%是低於15 ，
    有10%左右是低於10，
    我在猜是不是國外皮膚對於維生素D3合成的效率比較好，
    所以有的時候我會另外幫病人檢查維生素D接受器VDR的基因是不是有變異。

    不過，檢驗方法牽涉到檢驗的技術，
    質譜儀檢測法成本相當高，
    準確度也非常高，
    一般坊間使用的是放射性同位素檢測法，
    經常會將數值檢驗的比較高，
    也比較沒有那麼準確，
    因此我都幫病人使用質譜儀檢測法的技術來做檢測。

    簡單的結論就是：
    癌症患者營養補充一定要包含維生素D3，
    而且我建議至少六個月檢查一下維生素D3的濃度，

    一般人保養D3補充也是重要的，
    建議每天1000到2000國際單位，
    也建議每一年檢查一下維生素D3的濃度!

    粉絲朋友早安囉！

  • 台灣物聯網實驗室 IOT Labs

    切片檢查準確度 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文

    2018-12-31 08:00:00
    有 3 人按讚


    台灣首座AI醫療影像標註資料庫上線，2秒鐘就完成醫師工作！

    2018.12.26 by
    吳元熙

    台灣首座跨院所的本土化「AI醫療影像」資料庫，一年來累積4.6萬個案例的相關影像，其中1/3已完成疾病資訊標註，開放給研究團隊合作開發演算法，包括北榮、臺大、北醫等團隊，都藉此開發出AI醫療工具。

    鎖定心、肺、腦等領域，科技部26日宣布，建置台灣首座跨院所的本土化「AI醫療影像」資料庫，匯集國立臺灣大學、臺北榮民總醫院、臺北醫學大學等頂尖醫師經驗，一年來累積4.6萬個案例的相關影像，其中1/3已完成疾病資訊標註，未來將持續蒐集資料，並把成果開放給外界合作。

    AI醫療資料庫：15種醫療影像、4.6萬個案例

    科技部推動的「醫療影像專案計畫」，目標是對醫療影像資料進行符合AI訓練需求資料處理與編譯，並將開發可自動分析判讀醫療影像的AI演算法，標註影像資料，包括心臟冠狀動脈疾病、腦轉移瘤、原發性腦瘤、聽神經瘤、肺癌等疾病之電腦斷層、血管攝影、磁振造影和X光等15類。

    像是北榮團隊針對腦部疾病，以AI自動偵測顱內轉移腫瘤，可圈住病灶位置和計算面積，輔助醫師做診斷；北醫團隊則標註1,500例肺癌影像，透過深度標註與AI模型開發來協助肺癌病理分類、診斷與預後預測。

    「結合醫師的量化判讀經驗，累積醫療影像才更有意義」臺北醫學大學附設醫院副院長陳震宇表示，肺癌影像解讀，是由病理科醫師透過切片，搭配玻片掃描、染色方法等，製成解析度6萬乘6萬、平均1GB的數位檔案，但這種作法相當耗時，一天可能僅能處理20位病人資訊。

    陳震宇說，北醫開發的肺癌影像深度標註介面，會先由AI自動判斷，並提供醫師調整空間，讓醫師在自己的辦公電腦就能使用。

    人工智慧大幅減輕醫師、病人負擔

    還有臺大團隊，透過AI自動將冠狀動脈結構與心肌血流功能融合。

    「心血管疾病是台灣第2大死因，可能在10分鐘內奪走生命，」台大醫院心臟內科主治醫師王宗道說，近15年來，只要民眾曾接受電腦斷層掃描，醫師幾乎都有辦法看出心血管的問題，卻因為自費掃描不普及、影像後製耗時等因素，無法即早發現與治療。

    他強調，傳統比對血管阻塞位置需花20分鐘，但人工智慧僅需2秒鐘就能完成工作，能大幅減輕醫師負擔。

    科技部指出，醫療影像是目前主要的非侵入式診斷工具，每個疾病個案有數張到數百張影像，結合AI技術與醫療影像的疾病診斷標註進行研究，所開發的自動分析判讀工具，不僅可以協助醫師加速醫療影像判讀及提高診斷的一致性與精準度，也可以縮短病人就醫時間及減少侵入式檢查，降低醫療的支出。

    醫療團隊建置的影像和標註資料，將匯入國家高速網路與計算中心（國網中心）平台，提供其他研究團隊與資料建置團隊合作，並會做去識別化處理，保護資料當事人隱私，同時建立「退出資料」機制，保護個資自主權。

    附圖：[科技部_台灣AI醫療影像標註資料庫]
    科技部長陳良基（左二）認為，經過深度標註的醫療影像，能整合醫師經驗，打造具備效率和準確度的AI工具。
    科技部

    資料來源：https://www.bnext.com.tw/…/taiwan-ai-medical-image-data-cen…

  • 文茜的世界周報 Sisy's World News

    切片檢查準確度 在 文茜的世界周報 Sisy's World News Facebook 的最讚貼文

    2017-07-10 20:00:00
    有 2,073 人按讚

    《文茜的世界財經周報》

    【"把抗癌交給科技" MIT開發醫療影像運算軟體 MIT教授巴茲蕾43歲被判定罹患乳癌 人生重大轉折 巴茲蕾投入"量身訂做"抗癌方案 人工智慧如此全能 醫療AI比例仍低 機器可精準消化大數據 "量身訂做"抗癌方案 四名患者同一療法 醫學影像運算可找答案 87%腫瘤為良性 醫學數據運算可降低手術率】

    在MIT(麻省理工學院)，數字，很重要。

    課程6.036，地點26-100，是MIT最大的一間教室，教授來自32號建築，也就是電腦科學與人工智慧實驗室，課程名為"對人工智慧的真實熱情"，由4位教授與15位助教一起管理這門課。這是今年MIT人數最多的一門課，教室座位566個，但選課的人有700個，所以第一堂有部分學生只能在其他教室看著轉播螢幕上課。

    授課的四名教授之一巴茲蕾教授(Regina Barzilay)，在MIT專教機器學習，尤其是NLP(Natural Language Processing)，也就是自然語言處理，簡單來說就是教電腦聽說讀寫人類語言。市面上所有的智慧語音助理，例如蘋果的Siri，或是亞馬遜的Echo，就需要NLP技術，巴茲蕾教授正是這個領域的佼佼者。

    1971年出生在以色列的她，大學和研究所畢業於以色列知名學府班古里恩大學，後來赴美在哥倫比亞大學取得電腦科學博士學位，也許正因為母語是古老的希伯來文，她對於解碼失傳語言特別有興趣。寫博士論文時甚至開發了可以自動生成新聞摘要的軟體NewsBlaster，雖然她謙稱這款軟體不可能取代深度報導或是洗練文字，卻為哥大留下令人讚嘆的資產。

    而如明日之星般的美女教授，在43歲那一年，人生突來晴天霹靂。

    MIT電腦科學與人工智慧實驗室瑞吉娜巴茲蕾教授：我之所以進入數位醫療的領域 是因為三年前我被診斷出乳癌

    巴茲蕾教授本身因為乳房組織密度較高，屬於乳癌高危險群，因此每半年做一次乳房攝影檢查，為期兩年的檢查周期最後一次，卻發現了惡性腫瘤。事後她一直想問，第一，"為何是我?" 因為沒有家族病史。第二個問題是，這兩年的檢查當中，難道無法從影像醫學的細微變化，看出她的乳房組織可能進化成癌細胞?

    瑞吉娜巴茲蕾教授：現在治療癌症病人的方式，都有"人"的在裡面。不管是做超音波還是病理切片，都是由人來判讀，把病情做一下分類。因為這些醫學影像不是直接交給醫生去看，而是由受過訓練的專業技師去判讀，當他們在做判讀的時候，會用他們所依循的"項目"去分類患病的婦女，只用幾個簡單的指標去判讀的時候，很多病況訊息其實是被忽略的。

    如果AlphaGo可以擊敗人類圍棋冠軍、Amzon可以依照你的網路行為推薦你會買的商品，巴茲蕾教授不禁想問，這麼多現代人工智慧，為何沒有拿來解決醫療上的盲點。於是她開始與被譽為全球最好的麻省總醫院(MGH)合作，希望未來癌症治療也能「量身訂做」。

    瑞吉娜巴茲蕾教授：試想當亞馬遜跟你推薦一本書的時候，是把所有網購消費者，依照十個不同的習性分類，決定這本書適不適合你? 還是依據你個人過往的消費記錄，加上他人評價，再根據你是怎麼樣的人、而不是把你簡單分類去推薦這個產品呢? 當我們把病患簡單分類的時候，我們就會錯失很多資訊。機器可以做到而人類做不到的，就是可以同時看數百萬張醫學影響，然後做出人類做不到的更準確的預測。

    以乳癌為例，根據醫學影像以及切片病理報告，會區分為四種亞型，一張極為複雜的器官影像，在技師判讀後，可能直接被簡化成幾種數據、幾行判讀文字，四張完全不一樣的乳房攝影圖像，檢測分類後的資訊可能一模一樣，醫學影像中人眼所不及之處，可能就隱藏著很多警訊而不可知。而因為這四張圖像的患者被分為同一型，因此被施以同樣的治療方案，但這四個患者，三個成功了，一個沒有，問題出在哪裡，巴茲蕾教授認為，這就是圖形運算可以幫助醫生的地方。

    瑞吉娜巴茲蕾教授：你看得出這隻狗和這個癌細胞的差別嗎? 狗占了整張照片的30% 癌細胞(在大畫素影像中)只占不到1% 所以影像傳達的訊號完全是不成比例的

    癌細胞的生成與醞釀是需要時間的，如果半年一次的醫學影像，或甚至過去十年的病歷記錄能，夠用交叉運算，也許機器可以比人眼更早發現生理組織得病變，預防和提早治療就不會只是口號而已。

    一份研究指出，高危險群乳癌病患在照出腫瘤後，無法確定是良性還惡性，多半都會在同意直接開刀切除，最終其實有87%的病理切片是良性的。以MGH(麻省總醫院)為例，無法確診良性或惡性的腫瘤，進手術房的比例是100%，透過巴茲蕾教授開發的這套系統分析，至少可以在術前判讀出30%的良性組織，大幅減少侵入式醫療的機率。這套軟體也可以分辨哪些乳房組織比較可能發展成癌細胞，藉此提高醫生投藥的劑量與準確度。同時機器學習和數據運算也可以應用在製藥上面，透過化學物與病患醫療史的交叉運算，可以容易的組合出製作成本低、效用更好的藥品。

    瑞吉娜巴茲蕾教授：我想提供這項工具可以改變醫療護理人員的分工，在很多醫療體系中，病人真正缺乏的就是從醫療照護提供者這邊，獲得「個人化」的集中照顧，有時間跟醫生好好合作。機器永遠不能取代醫生護理師，但透過運用這種工具，可以讓醫生有更多時間跟病患一起，就治療方案好好相互配合。

    巴茲蕾教授強調，開發醫療運算法不是要來取代影像醫學判讀的技師，而是想找出人眼無法判讀的病變，讓機器來幫助醫護人員執行更準確的治療。2011年在益智問答節目中擊敗人類的IBM人工智慧系統華生，其實當年是為了發展醫療雲端服務而開發出來的，一度在各大醫療院所引起熱潮，但當時人機合作的並不理想，最近優化後的華生，再度挑戰醫療領域並取得初步成果。其他像是Google母公司Alphabet，以及飛利浦等科技大廠，加上輻射出來的新創公司，醫療生技產業的科技創新，預估2021年以前可達每年成長40%，產值達66億美元的規模。人工智慧將為醫療帶來革命性的影響。

    瑞吉娜巴茲蕾教授：這麼多年來，我們一直深信癌症會由生理醫學家治好，如今該是我們(電腦科學家)把這個機會拿回來 給醫療領域帶來重大改變的時刻。

你可能也想看看

搜尋相關網站