我們利用多機構多模態影像資料（包括腦部磁振造影及電腦斷層影像），開發影像預測模型來分類腦轉移瘤的EGFR突變狀態，並且利用最先進的高維數據分析方解決多中心影像資料模型泛化力下降問題。 集成學習使本分類系統一致性指數已達0.75-0.8以上，並擷取EGFR突變關聯性影像特徵預測腦轉移腫瘤局部復發。

我們蒐集多機構多模態影像資料，建立模型來預測EGFR突變狀態，利用最先進維數據分析方法來解決多中心影像資料不均質性造成的模型泛化力下降問題。經由集成學習結合多模態影像模型之之分類系統，經由EGFR突變關聯性影像特徵之擴增應用預測腦轉移腫瘤治療預後，連結臨床醫療判斷，優化肺癌腦轉移腫瘤之精準醫學治療。

本系統對應持續增加的肺癌腦轉移病人，根據常規腦部影像檢查，快速加以輔助原發部位基因檢測結果，加以判別腦轉移腫瘤EGFR突變狀態，並提供EGFR突變關聯性影像特徵預測預後模型，讓病人得以選擇最適切的轉移腦瘤治療方針，在整體常規醫療流程上，提供有效率且精準治療建議，預期可以滿足健康產業中的精準醫療需求。