雲象科技（aetherAI，7803）今（24）日舉行創新板上市前業績發表會。董事長暨總經理葉肇元表示，目前雲象聚焦病理科與檢驗醫學科痛點，跳脫傳統大廠以掃片機為核心的模式，以主力產品 aetherSlide 數位病理影像管理系統為基礎，結合 AI 與高擴充性平台架構來建立差異化優勢，並已取得美國食品藥物管理局（FDA）與歐盟體外診斷醫療器材法規（IVDR）認證。
目前產品已導入臺灣逾 20 家醫療院所，並拓展至德國與日本指標性醫院。葉肇元透露，今年將取得首張美國訂單，且現有資金可支應未來兩年營運，預計於 5 月下旬登錄創新板，承銷價格暫定為每股 25 元。
洞察病理人力缺口，異業合作自動化解決方案突圍
葉肇元指出，雲象科技的市場機會，來自病理科與檢驗醫學部門長期存在的人力短缺與工作量持續攀升問題，而在檢體數量增加與醫療需求成長下，病理醫師與醫檢師明顯供給不足，使數位化與自動化需求快速升溫，自動玻片掃描解決方案成為第一線需求。相較過往高度仰賴人工置片與操作，全球目前僅少數業者具備完整解決方案能力，包括 Argos、Pramana 及雲象科技，而在技術布局上，雲象科技攜手協作機器人廠商達明機器人，以及光電領導品牌之一的濱松光子學（Hamamatsu Photonics），共同開發全自動玻片掃描解決方案，強化軟硬整合與商業化能力。
此外，在檢驗醫學方面，仍有多項顯微鏡檢查因技術門檻高而難以數位化，其中骨髓抹片分類與計數是經典難題。由於檢體製備流程多半未標準化、加諸細胞型態複雜，使自動判讀系統開發困難，目前全球僅以色列 Scopio Labs、智微信科的 Morphogo 與雲象科技具備相關解決方案。
葉肇元強調，智慧醫療發展仍受限於硬體成本高昂，而臺灣在資通訊與製造產業的優勢，使軟體業者得以整合既有硬體生態系，打造對客戶具經濟效益的醫療 AI 解決方案，盼以此策略立足臺灣並積極拓展全球市場。
獨有技術壁壘成果登自然通訊，演算法優化更高效
在眾多技術布局中，十億像素級免標註弱監督學習的 GigaPixel 演算法尤為關鍵。相較於傳統需大量人工細節標註的方法，該技術僅需「玻片級」標註，即可完成十億像素等級的影像訓練，大幅降低資料準備門檻。雲象進一步透過 GPU 記憶體優化與 unified memory 架構，使模型可直接處理高達 75,000×75,000 像素的全玻片影像，無需切割成小區塊，顯著降低標註成本並提升訓練效率。
數據顯示，該技術可將淋巴結判讀時間縮短約 30%，並提升微轉移與腫瘤細胞的偵測敏感度。在方法設計上，GigaPixel 演算法結合 patching 與 gradient checkpointing 技術，有效減少倒傳遞（backpropagation）記憶體足跡，使高解析度影像訓練得以在有限 GPU 記憶體（VRAM）環境下高效運行，進一步實現免細節標註的 AI 訓練模式。
此外，雲象亦建構數位病理基礎模型 Gaia，整合來自多機構逾 70,000 張全玻片影像，透過自監督學習訓練而成。該模型可透過少量資料快速微調，提升跨場域適應能力與模型開發效率，成為 AI 模組擴展的核心基礎。
深掘第一線需求，AI 導入助力智慧醫療
吳明賢致詞時表示，雲象科技在數位病理領域並非單純追隨者，反而在多項關鍵技術上已具備國際競爭力。他指出，病理專科醫師培養門檻高且耗時，導入數位工具有助於緩解當前人力壓力，並引述先前與施振榮交流時的觀點：「希望這些數位工具，能在醫師休息時仍持續為病患提供協助。」他也期許，雲象的發展能為醫學生開拓不同職涯路徑，樹立新的典範。
生策會會長楊泮池則指出，雲象無論是在影像判讀、骨髓抹片分析或大腸瘜肉偵測等應用上，皆展現高度落地能力。目前相關解決方案除已在臺灣多家醫院導入外，也拓展至德國與日本多所醫學中心，逐步建立其於數位病理與智慧醫療領域的國際影響力。
參考資料：
1. https://doi.org/10.1038/s41467-021-21467-y
2.採訪整理
3.公開資訊觀測站
