「我的目標是在台灣創造出一個世界級的 AI 醫療影像公司，把台灣的技術帶上國際舞台！」雲象科技共同創辦人暨執行長葉肇元說。
葉肇元從台大醫學系畢業後，前往美國攻讀病理學（pathology）博士。2015 年，葉肇元因緣際會接觸顯微技術和程式設計，意外發現自己很喜歡寫程式。當時他在實驗室協助其他人用程式解決顯微鏡問題時，發現實驗室的需求是將組織切片的玻片影像數位化，並放上網站。葉肇元說，「我看到完成的數位玻片影像之後，感受到了數位玻片的巨大潛力，相信 5 年、10 年以後的未來，數位玻片將會成為實驗室不可或缺的一環。」有了數位玻片，醫師和病理醫師討論病例時，不用再像以前必須多次來回郵寄玻片，只要傳送數位玻片影像的網址，就能遠距離交流。
數位病理革命 數位化玻片影像
玻片影像數位化，將對醫學產生重大影響。因此，這位攻讀病理學的醫師，決定自己學寫程式，跨界結合專業醫學及資訊科技。2015 年正式開啟了他和康家彬、葉一忠的創業之路，創立雲象科技。雲象科技的名字由來，正是取自雲端影像。
前期雲象科技建立「數位病理影像平台」，並挖掘全玻片影像分析實際放上雲端的需求。客戶只要提供組織玻片，就能協助將玻片數位掃描，放上雲端資料庫。
然而，雲象科技也發現數位病理領域的軟體及硬體早已發展十年，若是用昂貴的軟硬體換來玻片數位化，對醫院和醫師的誘因不大。因此，雲象科技便開始思索如何找到新的需求切入市場？隨著 AI 熱潮來臨，葉肇元認為，AI 醫療影像公司將會是數位病理的重要方向。
一開始完全不懂 AI，葉肇元便決定自學 AI 技術，一腳跨入 AI 醫療影像，這也成為雲象科技最關鍵的轉捩點。
AI 醫療影像開發平台 aetherAI
2018 年，雲象科技推出 AI 醫療影像開發平台「aetherAI」。與台大醫院、長庚醫院進行數位病理合作，也跟台北榮總進行學術合作。由醫院提供資料和專業資料，讓雲象科技訓練 AI 模型，現在共有十種不同類型的資料集。
對醫師來說，其中一個痛點在於「數東西」，例如要將骨髓檢體中的 500 個細胞分成 40 個類別，都需要親自用手數。導入 AI，就能幫病理科醫師省下很多力氣，快速得到分類結果。此外，病理科醫師往往要回答檢體中到底有沒有癌症？用 AI 掃過一遍，先行確認是否有癌症，能夠大幅縮短醫師的工作流程。
雲象科技運用監督式學習，讓 AI 學習病理專家所標註的大量玻片細節資料，aetherAI 已經可以做到跟病理科醫師一樣的辨識水準。以鼻咽癌為例，前期標註 300 片玻片，後續 AI 模型對鼻咽癌數位玻片的辨識率高達 97%。
▲ aetherAI的鼻咽癌癌症AI模組，能進行高風險區域偵測，後續 AI 模型對鼻咽癌數位玻片的辨識率高達 97%。（Source：科技新報）
AI 深度學習縮短標註玻片的時間
不過，一個數位玻片需標註細節非常多，病理專家一個晚上只能標註 1 至 3 片。一個案子往往有幾百個玻片，光是標註細節就要耗費 6 至 9 個月。
訓練一個模型曠日費時，也讓雲象科技嘗試新的模型，今年把深度學習神經網絡應用在玻片上，但若直接用一張大圖訓練神經網絡，運算則太繁重。
目前採用的主流方法，是讓醫生在大範圍中，細節標註癌症實際上的位置，並把大範圍切成小塊，讓每一小塊都能有正確答案，也能提高辨識度，但需要花費大量的標註時間。雲象科技更提出全玻片的 AI 訓練，未來只要臨床診斷的結果就可進行訓練，葉肇元指出，「省掉細節標註的時間，也省下四分之一開發時間！」AI 仍能夠快速且準確回答此玻片影像是否具有癌症。
若以全台 25 家醫學中心、約 75 家區域醫院要數位化的進展來看。雲象科技預估，台灣數位病理的市場規模，5 年內約有 20 至 40 億台幣。
今年，雲象科技剛拿到國泰創投投資的 3,400 萬台幣種子輪募資。預計前往美國拓展業務，同步發展「病理流程 AI 化」，聚焦生技製藥產業 AI 化，幫生技製藥公司的樣本做病理鑑定，做出 AI 模型標註癌症，進而加快生技製藥的研發過程。
▲ 雲象科技的團隊成員，中間為共同創辦人暨執行長葉肇元。（Source：科技新報）
（作者：郭芝榕；首圖來源：《科技新報》攝）