By 元利科學應用部 易德明

人工智慧時代來臨，社會各個層面均受惠於AI所帶來的幫助，不論是在電商、金融、製造或是醫療領域，AI展現了驚人的進步，並開啟了前所未有的局面，但在OLYMPUS的顯微影像領域中，AI又能為我們帶來什麼好處呢？ 今天的文章將簡介人工智慧原理以及TruAI如何幫助我們判定顯微影像目標。

人工智慧

AI(Artificial Intelligence)起源於1956年達特茅斯人工智慧夏季研究計畫，該會議由約翰·麥卡錫等人於1956年8月31日發起，其中便提到神經網路的概念，拜電腦晶片與儲存科技進步所賜，現今人工智慧蓬勃發展並衍伸出許多不同分支，其中最為熱門的便是屬於機器學習中的深度學習領域。深度學習最大的特點在於其神經網路能夠自我學習並辨識圖像特稱，這項優勢對於文字圖像或是語音辨識來說乃是一大利器，而對於顯微影像辨識來說也有極大的優勢，以下舉兩個例子說明TruAI如何幫助完成圖像分析的工作。

從明視野影像判定細胞核

舉例說明，對於細胞計數的應用，傳統方法一定要利用DAPI或是Hoechst等螢光染劑將細胞核標定，才能進行細胞數目的統計，但是利用DAPI等螢光染劑首先會讓樣本遭受UV光線的激發，此外，利用螢光標定細胞核的同時，也少了標定其他胞器的機會’ 但是藉由AI軟體的幫助，現在只需要拍攝明視野影像便能將細胞核位置精確標定! 這項革命性的突破為細胞實驗帶來三項重要好處：
1.省去細胞核染色的步驟，讓實驗進行更簡易。
2.讓樣本避免UV光的激發，這項優點對於活細胞影像實驗尤其重要。
3.藉由AI判別細胞核的數量比起傳統的螢光定量更為精準省時。

藉由型態區分腎小球位置

在腎臟切片中的腎小球數量與疾病也有極高的相關性，以往不論是明視野影像或是螢光影像都很難快速的將腎小球位置判別出來，這是因為傳統的辨識方法是依靠螢光的亮度來區分標定的目標，而在顯微影像中腎小球跟背景亮度幾乎沒有任何的差異，然而AI的關鍵差異能力在於目標物”型態”的判別，簡而言之，只要是人眼能判別出的形態差異，TruAI經過良好的訓練過程後，便能幫助使用者精準且快速的分辨腎小球位置與數量，做出實驗結果判讀。

除了上述的例子，現今AI於顯微影像的應用還包括了縮短超解析影像的取樣數目，增進影像解析度並去除雜訊，以及針對不同型態的細胞分類等，應用範疇其實相當廣闊，此外AI在生醫影像的領域發展更是一日千里，例如醫療大廠OLYMPUS在其內視鏡系統內建了”EndoBRAIN-UC”幫助醫師判別潰瘍性大腸炎的發炎狀況，讓癌症病變有機會被早期診斷出，而國內雲象科技更是開發了世界第一套骨髓抹片細胞AI判讀系統，搭配OLYMPUS光學顯微鏡的高解析力，能夠大幅縮短計數時間並提高判讀一致性，目前AI落地應用的領域包括病理組織切片，且藉由5G傳輸技術的耀進，結合生醫影像大數據及邊緣運算，相信不久AI一定會完成病理影像的輔助判讀，為人類帶來更好的醫療品質。