國研金獎─優等獎
亮點成果：多領域適性之人工智慧病理分析平台
使用平台：國網中心「台灣杉二號 AI 超級電腦」

需要投入大量資料訓練的AI模型，如何面對醫療上「資料不出院」的鐵則？國立成功大學電機工程學系特聘教授詹寶珠團隊以全球首創的「聯邦式代理訓練」與「領域遷移」技術，促進病理AI模型對不同醫院的適用性，讓AI病理分析平台能夠對病理診斷、精準醫療提供真正的幫助。

從AI研究出發 踏入數位病理的無人之境

自1991年取得美國德州理工大學電機博士返臺任教時，詹寶珠思索著「如何將自己的技術，投入對人類有絕對效益且不會產生副作用的領域」。她深知科技的發展會帶來進步，但有時如一把雙面刃，可能會帶來危害，因此在深思熟慮後，選擇投入醫療照護領域，透過電機專業為人類的健康謀福祉。

在博士班期間就投入AI人工智慧中類神經網路技術的研究，詹寶珠深知AI在未來發展的無限潛力。大約十多年前，當AI的強大運算能力開始被世界看見，在醫療照護領域的AI也陸續有其他學者投入研究，此時，她選擇了一條人跡罕至的路徑：數位病理影像分析，對精準醫療的診斷提供新的發展機會。

50GB病理影像的極致運算挑戰 國網中心做後盾

即便在資訊科技進步的今日，臨床上病理切片仍以「實體玻片」為主，病理醫師需透過顯微鏡以不同倍率視野來觀看病理切片的各個位置，以判斷病情狀況。然而，因掃描器、龐大儲存空間等因素，醫院通常只在有特定需求時，例如教學、遠端諮詢需要時，才不得不將病理切片掃描數位化。

在數位病理影像分析的作業流程下，可以直接將病理切片的玻片放入掃片機，由掃片機將病理切片的每一個部位全部放大掃描，在視野上比起傳統顯微鏡更加全面。只不過，數位病理的影像檔案容量非常巨大，光是一個數位病理的影像就高達50GB，等同2,500至10,000張的X光影像檔案容量，分析上需要很多的運算資源與儲存空間，幸好，有國家高速網路與計算中心（簡稱國網中心）「台灣杉二號AI超級電腦」的強大支援。

「如果沒有國網中心的資源，多領域適性之人工智慧病理分析平台的發展會困難許多」，詹寶珠表示，在整個計畫發展的過程中，國網中心提供非常大的幫助，從環境的使用，到如何有效應用、有效上傳、有效串接GPU，都是國網中心一步步的指導。由於計畫本身的資料量非常龐大，曾經有一次容器資源不足，國網中心調動較多的GPU供計畫使用，「但是有時候開兩顆GPU，效果不會變兩倍」，後來還是透過國網中心的幫忙，才讓運作效率達到最佳化。

ALOVAS病理AI分析平台 從模型開發走向臨床應用

詹寶珠團隊建置的病理AI分析平台「ALOVAS」，剛開始時專注於肝臟影像，目前已經完成肝癌、肝炎及乳癌模型開發。而研究團隊發展的脂肪肝油滴分析模型，論文發表在AI頂級國際期刊IEEE Journal of Biomedical and Health Informatics，並已進入TFDA認證流程。乳癌分析發展Ki-67、ER、PR、Her2等模型，其中Ki-67正在進行多中心臨床驗證。這些技術分別取得三項中華民國專利、一項美國專利與一項日本專利，並因此獲得國際傑出發明家國際學術金鑽獎。

除了幫助醫師分析數位病理影像，ALOVAS還能用於研究團隊間的溝通與討論，只需透過兩台手機、平板或電腦，雙方就能在ALOVAS上即時線上交流討論病例。

聯邦式代理訓練與領域遷移 破解跨院AI模型適用難題

在ALOVAS的基礎下，研究團隊因應病理影像在不同醫院資料間的差異，發展全球首創「聯邦式代理訓練（FLAg）機制」與「領域遷移技術」，以促進病理AI模型對不同醫院的適用性。

為了遵循醫療倫理與法規，「資料不出院」是必須要遵守的，因此研究團隊開發聯邦式代理訓練機制，讓每家醫院的資料可以在各自的空間中訓練、學習，學習的結果傳回總部，總部接收各家醫院的結果完成訓練模型，再將訓練模型推播各家醫院，由各家醫院在各自的環境下接著訓練。聯邦式代理訓練機制的來回式訓練，可以讓醫院的訓練模型在遵循倫理與法規的前提下，有效參考其他醫院的資料，同時不會因為各家醫院的屬性差異太大，導致模型訓練效果不佳。

因應影像資料在不同醫院間的差異，可能造成AI模型的失準，研究團隊提出SGCD（Stain-Guided CycleDiffusion）利用雙向擴散模型與染色引導機制進行病理影像領域遷移，能在缺乏標註資料情況下維持病理結構與診斷特徵，並提升模型跨醫院適用性。

研究團隊將成果發表於國際研討會與期刊，其中領域遷移的論文發表在AI頂尖國際研討會神經資訊處理系統大會（NeurIPS 2025），並在兩萬多篇投稿中被選為Spotlight poster（約3%），而聯邦式學習論文發表於AI頂級國際期刊IEEE Transactions on Neural Networks and Learning Systems。

「很榮幸獲得國研金獎的肯定，這份工作是很多人長時間努力的成果」，詹寶珠說，從十多年前數位病理影像分析的研究計畫啟動時，陸續有成大醫院、臺中榮總、高雄醫學大學的醫師投入、協助，在平台發展的過程中貢獻專業，同時間，如果沒有國網中心支持，計畫也不可能往下發展。

除了ALOVAS平台的持續發展、精進和優化，詹寶珠也希望推動尚未建置數位病理環境的中型醫院，透過顯微鏡加裝數位相機，讓病理資料串接AI，而最終的目標是希望AI能對臺灣病理的診斷提供真正的幫助，實踐精準醫療，同時減輕病理醫師的工作負擔。