隨著達文西微創手術在婦科治療上的應用日益成熟，手術精準度雖大幅提升，卻也讓醫師在有限時間內做出關鍵判斷的壓力也隨之增加。為了協助醫師更精準辨識器官與病灶，國立臺灣科技大學電機工程系特聘教授郭景明率領前瞻智能影像暨視覺技術研究中心團隊，與三軍總醫院婦產部王毓淇醫師團隊合作，開發「人工智能婦科手術：自動標記臨床決策輔助系統」，透過AI與即時影像辨識技術輔助醫師進行婦科微創手術，降低器官誤傷風險，提升手術安全與醫療品質。研究成果也榮獲第 22 屆國家新創獎「學研新創獎」。
郭景明指出，現行達文西手術雖具備高解析度影像與精準穩定的優勢，但仍存在缺乏觸覺回饋、在器官與重要組織的辨識高度仰賴醫師經驗等限制，對於年輕醫師或高難度手術而言，潛藏一定風險。因此，研究團隊蒐集實際婦科達文西手術影像資料，由專業醫師進行標註，再進行深度學習模型的訓練與優化。
團隊運用深度語意分割技術自主開發「器官圖像分割系統(DeepVinci)」，在手術進行中即時辨識，並以色塊方式清楚標記子宮、卵巢、輸卵管、結腸及腫瘤等多個重要組織，協助醫師在解剖與切除過程中掌握器官或腫瘤邊界，有助於降低手術誤傷風險，為婦科微創手術建立更安全、視覺化的輔助機制，進而減少潛在醫療糾紛。

在效能上，器官圖像分割系統可即時處理每秒 30 幀的手術影像資料，器官偵測靈敏度達90%。郭景明指出，這項技術的目標並非取代醫師，而是成為「手術過程中的第二雙眼」，特別是在血管、輸尿管等容易受損的重要組織周邊，提供即時的視覺提醒。
目前系統已達到接近手術即時需求的影像更新速度，能與臨床手術節奏配合，但為確保系統具備適應不同狀況的可靠性，研究團隊也根據手術場景進行客製化調校，累積百例以上手術影像作為訓練與測試資料，未來也將持續優化模型在極端情境下的表現，例如：不同光源、大量出血或視線遮蔽等狀況，強化模型反應速度與辨識穩定性。
隨著系統效能逐步成熟，團隊發現器官圖像分割系統的核心技術具備高度通用性，只要有足夠且高品質的醫療影像資料，即可進行模型轉移與再訓練，未來可延伸應用至其他內視鏡手術、一般外科及各類微創手術，甚至拓展至MRI、CT等醫學影像分析領域。
此外，系統還能進一步導入手術器械軌跡的偵測與追蹤，用於術後手術流程分析與手術品質回饋，甚至結合AR、VR技術發展數位雙生平台，協助年輕醫師進行達文西手術的學習與模擬訓練，提升培訓效率與臨床熟悉度。
團隊目前已完成技術移轉，由利像科技負責後續產品化與市場推廣，並持續進行臨床驗證與相關法規認證，逐步導入實際醫療場域。郭景明表示，AI手術輔助系統未來將成為醫師的重要輔助工具，有助於縮短經驗落差、提升臨床決策品質，讓智慧醫療不只停留在研究成果，而是真正走進手術室，成為外科醫師們的重要後盾。
圖／臺科大電機系特聘教授郭景明團隊與三軍總醫院婦產部王毓淇醫師團隊合作，開發「人工智能婦科手術：自動標記臨床決策輔助系統」，榮獲第22屆國家新創獎「學研新創獎」，團隊目前已將技術移轉予利像科技公司進行商品化與臨床應用推廣。左起：臺科大醫工所教授白孟宜、利像科技董事長張文正、臺科大電機系特聘教授郭景明、三軍總醫院婦產部醫師王毓淇。