前庭神經鞘瘤（vestibular schwannoma，VS），又稱為聽神經瘤，起源於前庭耳蝸神經的許旺細胞，是常見的神經鞘瘤。雖然僅侷限於發生部位，不會轉移擴散，但仍會增生變大，進而壓迫周圍組織，可能導致前庭神經功能受損，並可能因腫瘤的進展或治療的副作用而產生聽力受損、耳鳴、暈眩、面部神經麻痺等風險。
加馬刀放射手術(Gamma Knife radiosurgery，GKRS)，為一種治療VS的有效方法，長期腫瘤控制率超過90%，且產生併發症的風險較低。但部分患者可能發生治療失敗的風險；或是部分患者在進行GKRS後腫瘤腫脹而導致短暫性的腫瘤生長，又稱假性進展。前述暫時性的假性進展目前透過時間間隔與實際腫瘤進展區分。腫瘤的假性進展通常發生在GKRS後的6至18個月內，而實際的腫瘤進展則可在放射處理後的至少2年內確診。上述之情形目前僅能於GKRS後持續追蹤觀察之，易成為患者及醫護人員的心理壓力，且目前無法依據不同的患者提供不同的臨床建議，以提高治療的效果。
本技術內容與先前技術最大不同點在於，將利用加馬刀治療前及術後多時間點之追蹤磁振影像，提出一套完整的資料處理與輔助預測流程，包括各種磁振參數影像的轉檔、影像對位、影像亮度正規化、背景去雜訊及自動裁切;後續輸入訓練完成之深度學習模型進行病灶區域自動圈選，將原先醫師手動進行一組三維影像標註需耗費5-10分鐘節省至1分鐘以內;圈選後自動計算影像圖譜學參數，使用術後短期之資料，建立加馬刀術後長期療效預測之模型。

以國際上珍貴之大量聽神經瘤資料建置病灶自動分割模型，其多分割之正確率與醫師所圈選Dice coefficient達0.90。同時利用加馬刀術前及術後追蹤的多時間點磁振萃取影像圖譜學參數，預測治療有無反應、有反應但是否為假性進展之兩階段機器學習模型，分別得到AUC為0.877以及0.816之優異成果。

藉由建置完成之輔助決策系統，除了節省臨床人力及時間，更提供影像圖譜學參數做為臨床醫師治療決策之依據，同時此一建置流程更可以推廣置其他類型之良性或是惡性腫瘤，提供更大的橫向發展性。