1.媒体来源
未来城市（天下）
2.记者署名
采访、撰文・刘子宁、陈芳毓
3.完整新闻标题：
让国旗登上WHO主办黑客松！AI一秒判读新冠肺炎X光 成大团队击败全球1000多队夺胜
4.完整新闻内容：
“国际COVID19科技防疫黑客松”中，成大团队击败全球1,000多队夺胜。
2020-04-12
在这个台湾人为无理指控气愤难平的溼冷周末，一面青天白日满地红国旗，在4月10日上午9
点悄悄挂上了一场WHO主办的活动网页。
这是由WHO与脸书、微软等科技大厂合办的“国际COVID19科技防疫黑客松”（#BuildforCOV
ID19 hackathon Global Online Hackathon） ，向全球征件解决新冠肺炎造成的医疗、教
育等七大问题；再由Google、Amazon、Pfizer及联合国儿童基金会（UNICEF）等198个组织
，评选出最有贡献及商机的队伍。
在这汇聚全球1万8,000多位顶尖科技人的竞技场，短短五天，提出了1,560个专案，最后仅8
9个团队出线，胜率不到6%。
一片欧美国家旗海中，唯一获奖的台湾队，是成功大学资讯工程系特聘教授蒋荣先，与硕博
士生王麒详、邱煌镔、吴昭仪，成大放射科医师蔡依珊，组成的MedChex—他们利用人工智
慧，辨识新冠肺炎病患的肺部X光片特征，一旦确认为阳性，就会对医师送出示警。未来即
便在缺乏医师的地区，也能用AI侦测疾病，阻止蔓延。
许多团队只是提出概念，但成大团队已进入临床应用。所以五天时间大多用来制作一支一分
多钟的说明影片，由美国西雅图小学老师Tiffany Chiang全程协助英文修编。蒋荣先说，收
到最多的评审回馈就是“何时商业化？”可见潜力无限，但他已决定公开算法，让全球医
护免费使用。
即便获奖已过12小时，电话那头的蒋荣先声音仍难掩兴奋，“我最开心的是——国旗竟然放
上去了！”
成大是COVID19科技防疫黑客松中唯一获胜的台湾队伍。图片来源：截自ＷHO网站
【延伸阅读】越洋专访｜一张图看懂全球疫情怎么传！旅美24年台湾AI科学家提醒：欧美病
毒恐愈传愈有攻击力“不能放任它传！”
春假闭关五天准备
56岁的蒋荣先不时流露身为“台湾队”的自豪与责任，连要号招学生牺牲春假、闭关实验室
五天参赛，理由也是：“这是一辈子一次的经验，好好替国家做一件事吧！”
只不过，要从来自Google、麻省理工学院的1560个专案中脱颖而出，这“一件事”不容易。
比赛采随传随评制，五天皆可上传报名资料，成大第二天报名时，已排到800多号。学生们
直呼“不可能得奖！”，蒋荣先却老神在在：“稳住，我们可是从台湾出现新冠肺炎第一天
，就开始准备了！”
【延伸阅读】科技防疫｜自制“超商口罩地图”的工程师：地图上线6小时，我收到60万Goo
gle帐单
小年夜开始应变
成大医院，的确是最早启动科技防疫的台湾医院之一。
时间回到1月21日，台湾出现第一个新冠肺炎确诊案例。三天后就是阖家团圆的除夕，成大
医院医师LINE群组讯息却此起彼落，很不安宁；虽然只有一位病例，但同业小道消息示警，
疫情已如噬人年兽，近在眼前。
担心医疗资源稀缺的南部成疫情破口，小年夜那天，成大医院紧急成立跨单位武汉肺炎应变
中心，先在户外搭起组检疫站，病患分流；再建立战情室呈现全球疫情，方便决策。二月中
之前，各部门陆续推出可减少接触感染的“病例自动化系统”、将影像判读时间从40分缩短
成1秒的“胸部X光人工智能判读肺炎系统模型”等新技术。
光后面两项技术，就使检疫时间从150分钟缩短至20分钟，大幅降低群聚久候造成的传染风
险，也减少第一线医护的工作量。这套跨校本部与附属医学中心的“智慧医疗临床决策辅助
系统”，使成大成为台湾第一个具备AI与自动化检疫站的医院。
【延伸阅读】17岁高中生改变世界 全球300万人看他的新冠肺炎网站
小年夜那天，成大医院紧急成立跨单位武汉肺炎应变中心，先在户外搭起组检疫站。
一群医师与一位资工专家
台湾大型医院众多，为什么成大跑第一？原来成大医院团队中，藏着一位资讯工程科学家—
—成大医院资讯长蒋荣先。
蒋荣先是密苏里大学电脑电机工程博士，2000年起，他便在成大医学院开设医疗大数据课程
，是台湾最资深的智慧医疗资工专家之一。
许多人将武汉肺炎疫情与2003年SARS相比，但蒋荣先认为，两者最大的差异在于“科技介入
程度”。只是这次疫情来得突然，没前例可循，不知科技能扮演什么角色。
蒋荣先有个AI读书会，LINE群组里有5、60位不到40岁的年轻医师，经常阅读国外论文，讨
论AI的医学应用。综合国外趋势与成大资源后，“或许先用影像做做看？”蒋荣先建议医师
们，先从手边最扎实的资料——X光影像入手。
AI科学家蒋荣先，是成大医院资讯长，也是台湾最早的智慧医疗学者之一。
过去两年，成大医院放射科一直在研究胸部X光的AI判读，只是过去是用来诊断气胸、主动
脉剥离等急症，好应付放射科医师无法24小时待命的限制。除了急症，成大医院每年仍要判
读上千万张影像，蒋荣先早有心理准备，迟早会需要AI协助。
只不过，第一次训练出来的新冠肺炎的模型，却跌了一大跤。
一般来说，训练资料愈多，AI模型愈精准。为快速建立训练模型，蒋荣先直接导入全球最大
、高达数10万张的公共肺炎影像数据库，三天就训练出第一个模型。
没想到，数据库里的影像来自不同年代、医院与摄器材机器，品质参差不齐，连非肺炎的影
像都混杂其中，导致模型错误百出。
案例1. 湖北某医院之确诊病例，其肺炎征状明显，套用至模型中呈现患病机率高达90~100%
a.医生手动标记
b.AI判定肺炎区域
c.AI判定毛玻璃状区域
https://i.imgur.com/e2eVLSq.jpg
眼看疫情愈趋严峻，蒋荣先牙一咬，决定回头采用“工人智慧”——在年假期间召回放射科
医师，从10多万张肺炎影像中挑选出1000多张有典型肺炎征状的样本，再一张张手动标记肺
炎影像，“他们标到后来手肿到抬不起来！”
蒋荣先解释，虽然新冠肺炎确诊者的X光片不多，但肺炎的症状雷同；是否为新型冠状病毒
引起，可以透过事前筛检与事后判断确认。
这批关键样本，再加上成大过去的肺炎X光片与8张台湾本土新冠肺炎的X光片，终于在一个
月内，建立台湾第一套新冠肺炎AI模型。
案例2. GitHub公共数据库中来自美国西雅图Snohomish County之确诊案例。其肺炎病征较
不明显，困难度高，但透过此AI判读仍可测出病灶，并判定患病机率为74%。
a.原始影像
b.AI判定肺炎区域
c.AI判定毛玻璃状区域
https://i.imgur.com/eweB4hg.jpg
国外确诊案例也适用
随着疫情蔓延全球，为进一步验证台湾本土AI模型的泛用性与准确度，三月中，蒋荣先加入
GitHub公共数据库，用中、澳、美、英、德、义等国确诊病患资料肺部X光影像校正模型；
多次调整算法、精进AI清晰度后，还能自动过滤病灶处与心脏重叠等噪声，由医师手动标
记的疑似感染区域，与AI判读一致性高达92%，“证明台湾的影像很有代表性！”
这一步，也是成大团队赢得黑客松的关键，“因为能验证国外病例，被评审认为是very sol
id example！（扎实的范例）”蒋荣先说。
未来，这套模型也将用在断层扫描与核磁核磁共振影像上。
5.完整新闻连结：
https://futurecity.cw.com.tw/article/1368?utm_source=fb_future&utm_medium=websit
e&utm_campaign=fb_future-website-upperfbsharebutton
6.备注：
成本大医院超前部署，为国争光