臂叢神經損傷常影響上肢感覺與運動功能，若合併神經根撕脫，將牽動手術策略與重建效果。傳統診斷仰賴神經學檢查、肌電圖、MRI判讀或術中探查，但受操作者經驗與影像判讀主觀性影響，術前仍不易精準評估神經損傷程度。本系梁祥光副教授指導博士生鄭運聰醫師與林口長庚醫院/基隆長庚醫院團隊開發「核磁共振椎旁肌特徵分析軟體系統」，結合MRI影像與椎旁肌體積量化技術，以非侵入方式分析脊椎旁肌肉變化，輔助醫師評估臂叢神經損傷程度，並結合臺灣大學醫學工程團隊的影像分析技術，提供更客觀、可量化的術前診斷工具。
椎旁肌體積比分析，AUC最高達0.97區分神經撕脫程度
本系統核心技術為半自動MRI分割與椎旁肌體積量化，分析受傷側與正常側的體積比（L/N比），作為判斷脊神經損傷程度的量化依據。驗證顯示，在C4至C7脊神經水平，第四層椎旁肌的L/N體積比可有效區分正常、部分撕脫與完全撕脫。以145位病人、580條脊神經進行分析，正常與撕脫根部區分的準確度（AUC）達0.96，部分與完全撕脫區分的AUC達0.97，並確認臨床判斷的最佳截止值分別為0.95與0.8。相較侵入性肌電圖或仰賴經驗判讀的傳統MRI，本系統更客觀、快速且一致。
從臂叢神經到脊椎退化應用，推進影像診斷及後續研究計畫
臺灣大學醫學工程學系與長庚醫院研究團隊表示，臂叢神經損傷治療的關鍵在於術前精準判斷神經根受損程度，以擬定合適的重建與手術策略。本系統可將既有MRI影像轉化為可量化的椎旁肌體積資訊，降低傳統主觀判讀限制，也可用於術後追蹤與復原評估。目前系統處於原型開發與概念驗證階段，相關成果已獲國際期刊《Radiology》接受刊登，並已取得臺灣發明專利核准 (臺灣大學與長庚醫院共有)。在此基礎上，研究團隊進一步獲國家科學及技術委員會3年期研究計畫支持，持續發展MRI Segmentation、MR Neurography與智慧神經影像分析技術，推動人工智慧醫療影像於神經疾病診斷、手術規劃及精準醫療的臨床應用。成果獲邀參展2026醫療科技展，展現疾病診斷與精準醫療的應用潛力，未來將擴增多元族群資料、開發自動化分割演算法，並整合PACS系統與DICOM格式，預計於2028年前擴大驗證至2,000條脊神經。