執行醫院(主責)：臺中榮民總醫院

執行醫院(合作)：雙和醫院、童綜合醫院、中國醫藥大學附設醫院、高雄長庚紀念醫院

委託機構：宏碁智醫股份有限公司

國際登錄連結(ClinicalTrials.gov)及案件編號：無

整體進度(案件申請中/評估中/執行中/已結案)：執行中

專案中文摘要：
以多中心回溯性X光影像資料驗證 mSASSS 人工智慧軟體之效能
僵直性脊椎炎(Ankylosing Spondylitis, AS)為一種慢性發炎性風濕疾病，常導致脊椎骨贅（韌帶骨化、 syndesmophyte）形成及脊椎僵直，屬不可逆的結構性損傷。結構損傷主要以傳統X光檢查評估，目前國際上普遍使用的評分系統為修正Stoke僵直性脊椎炎脊椎評分(mSASSS)，能可靠地評估頸椎與腰椎的放射學損傷進展情形，且此評分與患者症狀指標、脊椎活動度及功能狀態密切相關。然而，mSASSS評分需要由專科醫師逐一判讀脊椎側位X光片上各椎體邊緣的變化（每處以0~3分評分），流程耗時且具主觀差異。臨床上通常須2位以上讀片者獨立評分並取共識，避免個別判讀差異。因此，發展人工智慧(AI)自動判讀技術以輔助評分，可望減輕人力負擔並提高一致性。近年來已有研究嘗試以AI模型偵測X光影像中的脊椎骨贅並計算mSASSS分數，顯示出良好的準確率。例如，有研究採用雙階段AI模型偵測脊椎關鍵點並預測mSASSS，各分數級別的平均判準率可達0.81，對嚴重病變（mSASSS=3）的片段識別率達97.4%；但對輕微病變（mSASSS=0）的區分相對困難，部分正常區域可能被錯判為1或2分。可見AI對明顯病變具高敏感性，對細微改變則仍需大量資料訓練與驗證。整體而言，AI輔助放射判讀在僵直性脊椎炎的應用具有潛力，但目前多數模型僅限單一中心資料，缺乏跨院外部驗證。為確保本產品在不同醫療現場的適用性及穩健度，有必要蒐集多中心的X光影像進行驗證。