關於 x光 肺結節 ，我們在網路上蒐集到這些相關的討論、資訊與評價

上週做了人生第一次低劑量電腦斷層掃描
（檢查結果沒事，勿擔心）

過年前重感冒，咳嗽到過年後一直沒有好完全，常常覺得呼吸時氣管上好像蓋著一層薄膜，偶爾會喘不過氣，或突然止不住一陣狂咳，同時伴隨肋骨疼痛。

疼痛的部位正好跟前年某次去日本在浴室滑倒撞到的位置差不多，回來之後斷斷續續痛了一陣子，直到近期又痛的頻繁，才讓我產生可能不大對勁的想法。

上網打了關鍵字「咳嗽」、「肋骨痛」，結果竟找到一篇報導是肺癌末期轉移到肋骨所致（驚），加上近期常看到名人得肺腺癌的新聞，當下立馬決定預約胸腔科。

醫生聽完我的症狀，先安排照了X光，結果看來無恙。

「2公分以下的腫瘤 X光是照不出來的，如果擔心的話可以考慮低劑量電腦斷層。」

「這個年紀是有必要檢查一下」
（對醫生這句話印象超深刻🤣）

「前陣子有位太太，年紀跟妳差不多，原本是因為老公咳嗽一直不好，陪著來順便也一起做了低劑量電腦斷層，結果先生沒事，太太反而照出有腫瘤，馬上轉診去其他醫院手術。那位太太說她之前也偶爾會覺得胸痛，手術完疼痛感就消失了。」

醫生都這麼說了，我當然馬上去排啊！

隔一週進行檢查，需簽手術同意書，上頭寫了需禁食六小時、禁水四小時，我都乖乖照辦，到了現場做完檢查問了檢驗人員，才知道沒打顯影劑是無需禁水禁食的...🤪
（馬上衝出斷層掃瞄室灌了半瓶水）

再隔一週回診看報告，醫生表情凝重看著檢驗的片子，我在一旁看到片子上密密麻麻的白點，內心也跟著忐忑起來。

「目前看起來沒什麼狀況，就是可能因為咳嗽的關係支氣管比較粗，然後有出現一些小的肺結節。不過妳的結節都不大，一般小於0.5公分是不用太擔心，過一兩年再照一次追蹤結節有沒有變大就好。」
（之前我曾得過肺炎，醫生是說可能因為這樣才出現肺結節）

「可是我咳嗽的時候肋骨會痛，現在還是隱隱作痛。」

「摸起來是沒有什麼異狀，也有可能是神經痛，或其他問題，擔心的話可以做核磁共振，檢查看看是不是軟組織的問題。」

正好下個月預約了高階健檢，屆時再來做更精密的檢查。

說真的從開始懷疑自己肺部是否有狀況、預約門診、檢查，到結果出爐，我自己是很淡然，想說無論結果如何都能從容接受，倒是身邊知道我狀況的親友一個比一個還擔心。

因為這樣也讓我感受到滿滿的愛與關懷，感謝生命中能有他們一路相伴扶持。

健康是人生最大的財富，其他都算身外之物，勿以痛小而輕忽，是最近我得知一位朋友的朋友年紀輕輕、生活極度自律規矩、不菸不酒無下廚，卻因為肺腺癌離世的最大感觸。

目前一切無礙，只是單純想記錄第一次做低劑量電腦斷層的心路歷程，給有興趣或需要的朋友參考。

祝福大家都有健康的身體與好心情，也祝福我自己囉～🥰

#健康檢查 #低劑量電腦斷層

【AI浪潮席捲醫療業】透視5大類醫療影像辨識的AI應用場景

常見的醫療影像包括了X光、超音波、CT、MRI，以及近年興起的數位病理。由於拍攝技術不同，決定了影像性質和張數多寡，更影響了AI模型訓練的難易度和應用場景

文/王若樸 | 2019-04-16發表

醫療影像一直是窺視人體內部結構與組成的方法，其種類包括了X光攝影、超音波影像、電腦斷層掃描（Computed Tomography，CT）、核磁共振造影（Magnetic Resonance Imaging，MRI）、心血管造影和伽瑪射線等等。

其中，X光攝影、超音波攝影、CT、MRI，以及近來興起的數位病理，都是目前用來打造醫療影像AI常見的類型。這幾種影像因為拍攝技術不同，決定了影像性質和張數多寡，也影響了打造AI模型的難易度和應用場景。

就影像性質來說，臺北榮總放射線部主任郭萬祐表示，X光片、CT、MRI等影像的切片厚度（即每隔多少身體厚度拍攝1張斷層影像的距離）分別是0.16毫米、0.625毫米以及1～2毫米，與數位病理切片的0.11微米相比，解析度相對低，因此從硬體需求角度來看，是醫療影像AI的入門首選。

常見醫療影像AI的類型與應用場景

在這些醫學影像中，「X光和超音波屬於初階檢查，」中國附醫人工智慧醫學診斷中心主任黃宗祺表示，這兩類檢查的拍攝門檻不高，因此累積出大量、各式各樣的影像資料，滿足訓練AI模型的先決條件。

X光攝影是利用X光對不同密度物質的穿透性來成像，密度越高，X光穿透性就越低，在底片上的成像就越白，反之越黑。不過，臺大生醫電資研究所所長張瑞峰指出，「X光攝影將原本立體的多張橫切面影像疊壓為一張平面影像，」因此，一張X光影像中涵蓋了龐雜的訊息，不僅病灶可能會被組織、器官重疊處擋住，小於1公分的腫瘤也難以檢測出，得靠CT進一步檢查才行。

而超音波攝影，則是利用超高頻率的聲波來穿透人體，將不同組織反射回來的聲波轉換為畫面，來呈現體內組織或器官構造。超音波的好處是沒有輻射，但黃宗祺指出，超音波影像雜訊高，難以偵測初期病徵。就乳房腫瘤檢測來說，需要不斷追蹤，才能確定疾病狀況，但也可能因此錯過即早治療的時機。

因此，就X光和超音波來說，AI的應用場景，主要是協助醫生快速從訊息含量大的影像中，找出肉眼難以發現或容易忽略的初期病徵。在2年前，AI權威吳恩達的團隊所設計的CheXNet模型，以121層卷積神經網路（CNN）架構和美國國衛院釋出的胸腔X光資料集訓練而成，就可以做到早期偵測來輔助醫生診斷。

或像中國附醫所開發的乳癌超音波AI輔助分類系統，利用4萬多筆超音波影像和深度學習Xception架構打造而成，能在人眼難以判斷的初期階段，就偵測出腫瘤，「甚至早3、5年就發現了。」黃宗祺強調。

至於CT和MRI，「屬於進階檢查。」黃宗祺表示，兩者專門用來檢查腦、心、肺、腹部臟器等重要器官，門檻較X光和超音波高，成像也較清晰、細緻。但有別於X光片和超音波影像，CT屬於3D影像，透過X光來掃描人體，經電腦重組，以多張橫切面影像來呈現立體的檢查部位，並根據每張橫切面影像的間隔，分為厚切與細切，間隔越小，越能呈現完整的器官。單一次CT掃描可產生數百張影像，也才有機會能夠發現1公分以下的小型腫瘤。

MRI同樣也是一種3D影像，其原理是利用強大的磁場與人體內的氫質子產生共振，再透過電腦處理共振訊號後成像，可以清楚呈現出軟組織和重要器官的結構，像是腦、心、腹部臟器和骨骼關節等部位。MRI掃描一次可產生數百甚至數千張影像，畫質比CT更好。

要進行CT影像和MRI的影像辨識時，雖然醫生容易從清晰的影像中找到病灶，但這兩者每次掃描動輒就產生數百張影像，要從中尋找病灶，不管是標註還是診斷病情，都相當耗時。

臺北醫學大學副校長暨北醫附醫影像部主任陳震宇以肺結節CT掃描來說明，一次拍攝會產生500張影像，而醫生至少得花20分鐘，才能找出肺結節的位置。病人數量一多，醫生不僅要花更多時間來檢驗，準確率也會因長時間作業而下降。

不過，也因為人工判別CT和MRI相當費時，正是醫療影像AI擅長的的應用場景。這也是為何北醫附醫正計畫建置一套肺結節AI輔助偵測系統的緣故，就是為了縮短看片時間，讓醫生有更多時間在病人身上。

吳恩達研究團隊利用美國國衛院釋出的胸部X光資料集，打造出CheXNet模型，可辨別肺部14種疾病，並以熱成像圖來顯示病灶位置。

醫療影像AI新挑戰：數位病理切片

數位病理是醫界近幾年的新浪潮，可以將原本只能在顯微鏡下察看的病理切片，改成直接在電腦上進行。它的出現，是醫療影像AI的新方向，卻也是一個高難度的挑戰，因為數位病理的製作複雜，需經過組織處理、染色切片，以顯微鏡觀察、再掃描至電腦儲存，仰賴醫生專業經驗與時間。

不只如此，數位病理的檔案容量還相當大。與CT、MRI不同，數位病理和X光片一樣都是平面影像，但單一張影像的解析度卻比X光片、CT和MRI高上1,000倍，可達1GB至2GB。因此要拿來訓練AI，不只資料儲存是一大挑戰，訓練模型的時間也需要更久。以數位病理起家的臺灣AI醫療影像新創雲象科技就提到，曾有一次要用一個100層的殘差網路ResNet來訓練每張解析度高達1萬×1萬的影像，得靠GPU搭配600GB系統記憶體才能運算。

不過，臺灣在數位病理的AI應用已經起步了，林口長庚醫院就找來雲象科技開發了一套準確率高達97％的鼻咽癌偵測模組。北醫附醫已經開始將上千片肺癌數位病理交由放射科醫生，要展開部分標註的工作。臺北榮總今年也計畫投資數位病理。

然而，不管是哪種影像類型，在打造AI系統時，都會面臨資料收集的挑戰。也因此，科技部2年前特別發起醫療影像計畫，聯合國內3家大型醫學中心，要利用國人的醫療影像資料，來建置一個大型AI醫療影像資料庫，推動醫療影像AI的發展。

臺北醫學大學附設醫院自去年起，找來了10名擁有2年經驗以上的主治醫生，著手建置肺結節AI醫療影像資料庫，目前已完成1,500例的影像標註和語意標註，今年還要再新增2,000例。

附圖：【超音波影像AI實例】中國附醫旗下子公司長佳智能，開發一套乳癌超音波AI輔助分類系統，可以辨識乳房腫瘤及其良、惡性程度。目前，腫瘤辨識率達9成以上，而腫瘤良、惡性辨識率則約7成左右。（攝影／李宗翰）
X光影像AI實例
MR影像AI實例
臺北榮總與臺灣人工智慧實驗室以6個月的時間，打造出一套能在30秒內就揪出腦轉移瘤的AI系統DeepMets。今年4月份最新結果顯示，DeepMets準確率已達95％。　（攝影／洪政偉）
CT影像AI實例
數位病理影像AI實例
林口長庚醫院與雲象科技共同打造一套鼻咽癌AI偵測系統，由醫院提供數位病理切片資料，雲象負責進行模型訓練，經過2年優化，目前準確率達97％。　（圖片來源／雲象科技）

資料來源：https://ithome.com.tw/news/129973…

我都跟甲狀腺細胞穿刺懷疑惡性的病人說，如果手術後的結果是良性，這個答案也是因為有開刀才確定的，沒有白開一刀的問題。

《懷疑癌症，到底是不是癌症？》

《某次甲狀腺演講會後》

一位憂心忡忡的媽媽前來打招呼。

「莊醫生，我覺得你對甲狀腺細胞診斷很厲害。可否請教你的意見？」

『好的，您請說』

「我的兒子因為甲狀腺有結節，懷疑癌症去抽細胞。結果報告是“懷疑癌症（SUSPICIOUS）”。懷疑是甲狀腺乳突癌症。」

「看報告時，醫生解釋這個細胞診斷（SUSPICIOUS），依文獻上的統計，有50%-75%是癌症。建議先做單側甲狀腺切除」

『這個建議沒錯，符合臨床準則』

「問題是我兒子還年青，有沒有可能開刀下來不是癌症，白白損失單側甲狀腺，我想要確定一點才開刀呢？有沒有辦法？」

============================================

《懷疑癌症，到底是不是癌症？》

#病理切片比較準？

你一定會覺得奇怪，為什麼X光看到可疑的肺結節做了切片，確定有癌症，才會去開刀。我相信是因為肺葉只有5個，肺臟對呼吸很重要，切了就沒了。因此，切肺臟要很慎重，為了治好肺癌（救命大我），切肺臟才有合理性（犠牲小我）。

過去的印象中，肺切片很少診斷為ATYPICAL（細胞異常）或者SUSPICIOUS（懷疑癌症），應該少於1%，因此顯得相當可靠。
不過， 這些年因為醫學進步，想要減少切片對病人的侵入性（考慮疼痛和傷口復原），支氣管鏡運用越來越多，檢體越小（1米米），沒有診斷或者診斷變不明確，就成了一個顯著問題。

KEY點：檢體大小，才是影響診斷率的關鍵！

#甲狀腺為什麼容許不確定診斷來開刀

甲狀腺結節是個很常見的疾病，遠比肺結節常見。
100個肺結節，可能有80-90個是癌症。
100個甲狀腺結節，可能只有5個是癌症。

你會發現從臨床角度來篩檢癌症，甲狀腺的癌症比率低很多，更多的是良性結節。

#殺雞都要用牛刀嗎？

在肺臟，用20G或者18G的粗針切片，組織給得很大方，診斷率很高。但是傷口很大，疼痛。更重要的是癌症比率高，值得這麼做。

在甲狀腺，通常都用23-25G的細針在抽細胞，組織塊太微小，只能用細胞做診斷。偶而用22G引流水囊液，病人疼痛感已顯著。更重要的是癌症比率很低。

肺臟用的粗針，拿到甲狀腺用，病人通常受不了疼痛。扎了100個痛痛的病人，只找出5個有癌症的病人。有點不必要，因此，主流想法改用疼痛小一點的細針抽細胞。

#細胞診斷是甲狀腺癌症手術前診斷方法

前面我談到檢體小（因為針小），造成診斷率下降，無論「病理切片」或者「細胞診斷」皆然，產生了不確定的診斷。

#如何面對不確定診斷？

如果不確定的診斷是權衡良性和惡性病人需求下的必然產物（雖然有經驗的醫生，能減少到只有1-3%，不浮爛診斷）。

細胞診斷打出懷疑癌症（SUSPICIOUS），根據大數據，10個病人，有5到7.5個開刀下來真是癌症（正確）。
反之，有5到2.5個開1刀下來，不是癌症（白挨一刀）。

細胞診斷（根本）的極限，如何再進一步？

#用基因診斷進一步再細分「不確診斷」的病人該手術否

這幾年的進步是用基因診斷（優化）再細分那些病人可能是良性，風險很低；那些病人有已知癌症突變基因，風險極高。

醫療資源足夠下，基因診斷更進一步優化細胞診斷，讓不用開刀（良性）的病人，少開冤枉刀（觀察就好）。需要開刀（真有癌症）的病人，直接開刀，不用做二次手術。

最後，我給這個病人的建議是可以嚐試用細胞去做看看BRAF基因突變。我能了解病人恐懼開刀，或者不想輕易切掉甲狀腺的心情。I DO MY BEST！

#細胞病理
#基因診斷