國立陽明交通大學對外宣布，針對「菜瓜布肺」研發的幹細胞療法，已獲得生技業界廠商投資，雙方正式簽訂技轉合約，將在臺灣進行人體臨床試驗。
【看中國2021年2月26日訊】（看中國記者盧乙欣綜合報導）感染COVID-19恐造成肺臟纖維化（俗稱菜瓜布肺），但目前出現治療新契機。國立陽明交通大學宣布，將攜手國內生技公司進行臨床試驗，並正式簽訂技轉合約，並將於臺灣進行人體臨床試驗，未來有望造福病患。此外，北醫大以人工智慧（AI）系統開發3至5分鐘可判讀肺部腫瘤，且不須人工標註的病理影像辨識系統，準確率達95%以上。
相關新聞報導如下：
清大研發快篩試片 15分鐘驗出疫苗效果
COVID19藥物新突破 比瑞德西韋強10倍
臺人拒絕稱呼「武漢肺炎」？民調揭真相
復星醫藥擋台疫苗 民團籲查在台孫公司
民調：台灣只有1.3%想打中國疫苗
國立陽明交通大學解剖學及細胞生物學研究所教授傅毓秀帶領研究團隊，2019年在國際期刊「Theranostics」發表新療法，把人類臍帶間質幹細胞，移植至罹患肺臟纖維化的活體動物上，備受學界和醫界關注。
肺臟纖維化有望修復 陽明交大將進行幹細胞療法臨床試驗
自由時報報導，國立陽明交通大學26日召開記者會，對外宣布針對「菜瓜布肺」研發的幹細胞療法，已獲得生技業界廠商投資，雙方也正式簽訂技轉合約，啟動此項尖端技術，並即將在臺灣進行人體臨床試驗，為臺灣生技注入強心針，未來亦有望造福患者。
陽明交大校長林奇宏在會上說，此案是陽明大學與交通大學合併後的第一個技轉，未來幹細胞治療可用在武漢肺炎造成嚴重後遺症的病患身上。
解剖學及細胞生物學教授傅毓秀說，在過去一年多接獲來自於世界各地的病患及其家屬的電話關心，詢問幹細胞治療菜瓜布肺的方法、試驗進度，研究團隊知道國人對此療法抱持很大期望，為了不辜負國人期待，研究團隊把人類臍帶間質幹細胞分離、萃取、培養，並與治療肺纖維化的相關技術及專利，正式授權給國內富華生再生醫學科技公司，把開發技術留在臺灣，研究團隊未來將會全力協助後續的細胞開發及人體試驗等工作。
肺纖維化是因遺傳、感染、老化、空氣汙染、吸菸等原因，造成肺部交換氣體的肺泡組織逐漸被纖維化取代，進而喪失肺臟功能的疾病，現在的藥物僅能夠延緩病情惡化，尚無任何藥物可以讓纖維化的肺臟回復功能，患者平均存活時間一般達2至5年。
傅毓秀說，過去已經完成將人類的臍帶間質幹細胞，移植至罹患菜瓜布肺的活體動物上，實驗期間觀察到了移植的幹細胞不只存活著，還分泌出生長激素，一方面產生了抗發炎作用、肺部的細胞浸潤也明顯改善，另一方面則能刺激大白鼠免疫細胞之轉型、消化沉積許久的膠原蛋白，並能加速肺泡細胞之再生，讓染病鼠的動脈血氧飽和度顯著回升，原先急促的呼吸頻率也較緩和。
傅毓秀說明，她2019年發表在國際期刊《Theranostics》後，受到很多的關注，由生技醫材知名大老林金源所創立的富華生再生醫學科技公司將會投資此項技術，並跟臺寶生醫策略結盟，此項技術將會在臺灣由符合PIC/S GMP規範之藥廠進行細胞原物料試劑的製備，接著在臺灣進行臨床試驗，將為菜瓜布肺病患開啟一道治療曙光。
人工智慧3分鐘揪肺癌病灶 準確率達95%以上
臺北醫學大學巨量影像資料庫研究計畫，以AI系統開發肺部腫瘤不需要人工標註的病理影像辨識系統，準確率高達95%以上，且每名病人只須3到5分鐘就可判讀。（以上圖片來源皆為中央社）
除了上述醫治武漢肺炎有新突破外，有另一項研發，也顯示臺灣在醫療科技方方面不容小覷。
中央社報導，臺北醫學大學獲得科技部補助進行「巨量影像資料庫建置與應用」計畫，於2021年登上知名醫學期刊自然通訊（Nature Communications）。此研究是北醫大校長林建煌推動數位病理，並啟動臺灣十大癌別病理玻片數位化之重要成果。
此項由北醫大與雲象科技公司合作開發的人工智慧系統，是以國研院國網中心在前瞻基礎建設計畫所建置的臺灣杉二號超級電腦，來開發領先世界的肺部腫瘤不須要人工標註的全玻片病理影像辨識系統，能夠輕易區分肺腫瘤病理切片是良性或是惡性，且準確率高達95%以上，連判讀時間也可大幅縮短2/3，加速病理診斷的時效。
該研究第一作者、臺北醫學大學教授陳志榮說，這些病理玻片是把北醫附醫、萬芳、雙和等3家醫院，將患者進行過X光、核磁共振或電腦斷層等檢查之後，再經醫師穿刺或開刀所取出的肺部腫瘤組織而製成的，統計超過9000張，全部掃描成為數位影像檔後，由多名病理專科醫師一張一張標註出病灶、非病灶區域，再交由AI持續學習修正，提升系統判讀的準確率。
陳志榮表示，傳統肺部腫瘤確切的診斷模式是把經由醫師穿刺或開刀取下的疑似腫瘤組織，送至病理檢驗部門，製作成了病理玻片後，病理科醫師會再以顯微鏡一張一張判讀。此方式費時又費力，還可能因為醫師的經驗值不同而出現不同結果，而醫師在判讀期間必須先標註出可疑區塊，且再不斷標註診斷直至確認為止，但北醫大與雲相科技所研發的這一套AI辨識系統，能夠直接透過全玻片，還不須人工標註，就能夠自動判讀肺癌及腫瘤細胞亞型。
由北醫大和雲象科技組成的研究團隊所開發的「肺部腫瘤全玻片病理影像辨識系統」，是透過病理切片數位影像，來讓AI比照病理科醫師直接透過顯微鏡觀看病理切片之模式自我學習，可以改善影像重疊導致的失真，且判讀精準度更高。
陳志榮表示，系統會先從肺部腫瘤病理切片數位影像，來區分正常及不正常區域，再從不正常區域分辨腫瘤組織屬於良性或惡性；若為惡性腫瘤，可以再進一步區分肺腺癌或為肺鱗狀上皮細胞癌，最後，再經由病理科醫師彙整AI提供的資訊以進行最後確認診斷。
經由AI先行辨識判讀患者的病理切片，有助於減少人為判斷錯誤之機率，更可大幅縮短時間。陳志榮表示，如果以每名病患需要8至15張病理切片計算，傳統只由病理科醫師執行的判讀時間大約10至15分鐘，利用這一套系統僅須要1/3、大約花費3至5分鐘即可完成。
這一篇研究論文，題名為「An annotation-free whole-slide training approach to pathological classification of lung cancer types using deep learning」，第一作者是陳志榮及雲象科技工程師陳啟中，通訊作者是臺北醫學大學副校長陳震宇、雲象科技公司執行長葉肇元。
看完那這篇文章覺得
排序