AI 帶來解決重複性工作的方法，但是事前的標注相當繁瑣而且花費大量時間。國研院國網中心運用針對醫療影像辨識優化過的台灣 AI 雲（Taiwan Computing Cloud，TWCC），結合國內 AI 新創雲象科技的技術能力，成功直接運用有上億解析度的數位玻片當作訓練素材，新方法能為每個專案節省醫師半年標註時間。
[Youtube]0jdPMszJa1Y[/Youtube]
雲象科技的核心業務是打造可辨識特定癌症細胞的深度神經網路模型，以輔助醫師更快速有效地在病理切片中辨識出癌症細胞。醫師針對癌症區域進行細節標註後，因影像過大，目前作法是將全玻片影像預先切割
為數萬個小區塊，才能進一步訓練 AI 模型。傳統方法效果雖然優異，然而必須對每個區塊都有預先標註，才得以訓練深度神經網路模型。
雲象科技於 2019 年運用統一記憶體及算圖優化的技術，挑戰用完整的影像切割成多個小區塊的方法，來節省專業病理科醫師數月到半年不等的標註時間。而此構想唯有在「臺灣 AI 雲」得以實現。和一般商用雲不同，臺灣 AI 雲採用高速計算架構設計，每個節點間設計有 100G 頻寬，讓全解析度影像資料得以順暢交換處理，使得高達數十億畫素的全玻片數位影像 AI 訓練變成可能。透過雲象科技軟體加速及臺灣 AI 雲，計算速度提高了 275 倍，每個專案可省下專業醫師近千個小時的標註時間；且可透過 400 倍超高解析度、零切割最完整的方式做全面檢視，大大提升了辨識的效率和品質。
國研院國網中心史曉斌主任表示，為有效協助各項產業應用落地生根，TWCC 於架構設計初期，即考量發展智慧醫療所需之特殊需求，讓各種應用的高難度技術突破成為可能。超級電腦不僅可以預測未來，還能協助醫生看病，守護生命的美好。雲象科技執行長暨共同創辦人葉肇元指出，數位病理 AI 將是未來實現精準醫療不可缺少的一環。目前雲象科技已應用新技術，與國內林口長庚醫院合作發展鼻咽癌全玻片影像 AI 偵測模組，實驗達 96% 以上的準確率；同時持續挑戰不同種類及更高難度的疾病病理辨識，例如骨髓抹片自動分類計數、肺癌辨識及定量、腎臟病理辨識等 10 幾項專案。
此技術成果預計於今年 11 月國際高速計算大會（SuperComputing Conference, SC）發表，透過國研院國網中心的「臺灣 AI 雲」，可有效滿足生醫研究與應用所需之超高解析度影像運算，亦可增進 AI 模型訓練的生產力，支持科學家們進行更多技術創新，提升醫療品質。不僅有助實現精準醫療，帶來醫療產業革新，更在醫生的背後與科學家們一起努力，協助守護生命的美好。 | 
