參賽團隊名稱：JelloX Biotech
提案動機：
病理數位化已是全球醫療界的趨勢，然而現今使用者要接觸、熟悉數位病理的門檻相當高，前端的玻片數位掃描儀與後端分析的系統建置皆花費高昂，關上了接觸數位病理與AI病理的大門。JelloX Biotech團隊開發MetaLite®個人化軟體，搭配Intel OpenVINOTM toolkit與第11代CPU晶片的iGPU設計，將AI數位病理閱讀與分析運行在個人化輕量裝置上，讓使用者無負擔接軌AI數位病理新時代。
病理診斷是臨床上用做最終決定的檢測，檢測精準性與精細度非常重要，因此病理常用的AI模型以語意分割(semantic segmentation)為大宗，透過語意分割模型的像素級解析度，可以在細胞層級解析病灶特徵，提供醫師精確的輔助資訊；然而，語意分割模型解析速度較慢，以5k*5k像素影像為例，若以Benchmarked HRNetV2模型架構來進行判斷，以i5 1135G7 CPU運行需要222秒的推論時間，使得運用GPU裝置加速成為必要手段。然而GPU裝置並非現行醫院的常規配備，高昂的建置費用阻礙了醫療場域導入AI的可能。
解決方案與成果介紹：
在本次的競賽中，JelloX Biotech團隊首先將模型輕量化，測試多種模型架構，並搭配Intel OpenVINOTM toolkit結合Intel 11th CPU晶片中的iGPU模塊運算輔助，可對各架構加速300-500%不等。最終選定LiteHRNet_Revised架構並使用i5 1135G7 CPU進行運算，僅需6秒即能完成5k*5k像素影像的模型推論，在其他硬體設備類似的測試環境下甚至比GTX 1660Ti GPU卡的推論時間更快！使得病理AI運用在個人化軟硬體如筆電、AIoT裝置上變得可能。
Intel OpenVINO套件有效加速AI模型推論時間
JelloX Biotech團隊進一步將AI模型嵌入團隊所開發個使用者閱讀介面中，開發出MetaLite®數位病理軟體，使用者經由此介面化軟體可閱讀目前市面上絕大多數的數位病理格式影像，並且透過軟體內嵌的AI模型進一步分析影像中的特徵，體驗到AI技術在數位病理領域中的輔助效果。
JelloX Biotech團隊期許透過MetaLite®軟體，能拉近學、研、醫界與數位病理的距離，加速病理數位化轉型的腳步，未來將與合作夥伴和開源使用者社群一同努力，解放病理檢測的無限潛能，實現精準健康的目標。
MetaLite軟體介面