文章介紹
肺癌的早期診斷和精確分類對於病患的治療與存活率非常重要。目前，電腦斷層掃描是偵測肺癌早期的重要工具，因為它比傳統胸部 X 光更能發現早期病灶。隨著人工智慧技術的進步，特別是在醫學影像分析領域，展現了許多突破性的應用。
黃國揚醫師團隊進行這項研究的目的，是希望利用人工智慧（AI）中的深度學習物件偵測技術，來幫助醫師更早、更準確地診斷肺癌，尤其是透過電腦斷層（CT）影像分析，達到輔助判讀的目的。
黃醫師團隊使用的是一個公開的醫學影像資料庫「Lung-PET-CT-Dx」，透過訓練五種不同版本的 YOLO 模型（YOLOv5、v8、v9、v10 和 v11），比較它們在偵測肺癌病灶的能力，評估哪些模型在「定位腫瘤」和「判斷癌症類型」方面表現最好。
結論顯示，YOLOv8 在各項指標中表現最優秀，達到：
- 精確率（Precision）90.32%
- 召回率（Recall）84.91%
這代表模型在判斷肺癌是否存在及分類方面都相當準確，可以作為輔助醫師診斷的工具。
YOLOv8 的優勢在於其架構更佳、特徵擷取能力更強，且不需使用預設的框架（anchor-free），讓影像判讀更為靈活。
總結來說，黃醫師團隊認為，將 AI 深度學習模型應用在肺癌的早期偵測是可行的，未來有望成為臨床診斷上的有力幫手，協助醫師更快速、更準確地判斷病情，提高病患的存活率與生活品質。
恭喜黃醫師！
有同學問到，在臨床上遇到有興趣的題目，如何構築系統性的流程，能夠分階段逐步完成乃至發表？想要讓臨床研究「可行」，並想好每個環節怎麼處理，來看看蔡校長怎麼說！
臨床研究 / 論文寫作
