為了即時由內視鏡影像進行胃癌前病變診斷，解決傳統胃癌前病變CGI與GIM診斷需進行侵入式切片採檢、高成本且耗時的問題，我們提出「雙模深度學習模型之胃癌前病變精準醫療診斷方法」，利用人工智慧技術由內視鏡影像輔助醫師做出更快速且精確的胃癌風險評估，同時避免病人因切片而出血的風險，進而達到精準健康的目標。

傳統深度學習架構無法學習CGI三個不同胃解剖部位內視鏡影像之間關連性以及無法有效分割GIM範圍與邊緣的問題，我們開發全新的多尺度胃部關連性網路進行CGI分類，以及基於自適應焦點調節模型進行GIM分割，最後結合兩個網路的結果，進而提出「雙模深度學習模型之胃癌前病變精準醫療診斷方法」提供胃癌風險評估。

本技術的使用對象包含任何上消化道內視鏡檢查之醫療機構或健檢中心，並可應用到現存內視鏡系統上。本團隊目前已開發完成單機與雲端系統診斷之功能，可協助醫師找出具有胃癌高風險的病人，安排定期監測胃鏡，早期發現胃癌，降低胃癌死亡率，達成精準健康的目標，並可協助廠商進入年複合成長率達8.7的胃癌診斷藍海市場。