目前乳癌 HER2 陽性患者可用標靶藥物治療，不過在這之前需倚賴病理科以免疫染色 (IHC)為患者做病理判讀，當患者的免疫染色屬於無法確定之型態(equivocal)，尚需要進一步透過螢光原位雜交 (FISH)進行檢測，以觀察癌細胞上面的訊號點，超過一定數量就可判定是 HER2 陽性。林口長庚解剖病理科醫師王翔生說明，平均一張組織切片的玻片上的細胞數量有30-70萬顆，但考量時間跟效率，最後只會於整張病理玻片上，選出腫瘤密度較高的區域做檢測。過程中會由兩位醫檢師花費數小時揀選20-60顆細胞計算HER2於細胞核內的數量，再把結論平均起來，請醫師做最後的判定。現在林口長庚紀念醫院開發出「AI輔助螢光原位雜交計數模組和分析」工具，使檢測運算縮短至30秒到2分鐘之間，不僅更精確地找出一倍可治療的乳癌患者，也縮短醫事人員的作業時間。
從模組開發到撰寫程式 全由醫事團隊一手包辦
王翔生表示，這個分析模組全由長庚團隊一手包辦，從模組開發到撰寫程式都不假他人之手。他也提到開發的緣由，過去病理科光是數數一位患者細胞的時間，大概就得花費3-4個小時-人的人力成本。此外，只擷取20-60顆，有可能只挑選到陰性的部分不夠精準，致使原本可以治療的案例遭判斷成不能治療，發現投入的時間跟成果顯然沒成正比，所幸最後AI分析模組研發成功，醫檢師跟醫師皆對系統給予高度評價。
突破研發中的兩困境 用AI為病理科檢測技術升級
談起過程中最困難的兩件事，王翔生說，一是模型的建立，因為市場上既有的模型，團隊實際嘗試後的效果都不太好，所以後來團隊決定根據過往經驗，加上釐清使用者的想法，自己建了一個新的模型，在這個過程裡面花了大概將近一年的時間；第二個困難是第一代落地的時候，效果不符合預期，原因在於該模組一開始在訓練的時候，都是應用高品質的資料，但當進到真實世界數據的時候，事實上會有很多雜訊或者檢測問題，所以團隊後來又重新訓練了第二代，加入了更多雜支的訊號來源，使分析更準確。
胃癌、大腸癌、腦瘤都可套用 AI模組擴展應用指日可待
王翔生提到，不只是乳癌，未來只要是跟基因有關的擴增跟缺失，且是採用免疫螢光技術的話，都有機會依樣畫葫蘆使用AI套版，比如胃癌、大腸癌都合適。另外像是某些類型的腦瘤跟肉瘤，也可以應用此技術，應用在腦瘤的 1p19q deletion 裡面已經完成林口長庚院內的驗證，且於 2024 年開始正式使用。而肉瘤的 MDM2/CDK4 amplification 除了在林口長庚之外，預計未來也會同時運行在長庚北院區和南院區。
