臺大開發13個AI模型改善急診壅塞 準確度逾7成

臺大醫院急診醫學部和臺灣大學AI中心利用近十年、100多萬筆資料，成功開發13個AI模型，盼解決急診壅塞問題。（王家瑜攝）

心跳停止病患的神經學預後和大腦灰白質比值有關，目前多仰賴人工計算，較耗費人力且缺乏一致性，藉由AI模型自動計算灰白質比值，可協助解決此問題。（王家瑜攝）

「急診壅塞」是國內各大醫院經常面臨的課題，臺大醫院急診醫學部和臺灣大學AI中心利用近十年、100多萬筆資料，針對6項急診流程，成功開發13個AI模型，以每15分鐘頻率更新每位急診病患狀態與AI建議，並能同時追蹤多院區至少500名以上急診病患。目前已完成近萬人次初步驗證，根據參與測試的206位資深醫師回饋，AI輔助準確度達7成。

臺大急診醫學部與臺大人工智慧技術暨全幅健康照護聯合研究中心合作，建立智慧急診創新醫療流程。臺大醫院院長吳明賢指出，過去民衆到醫院面對不同經驗值的醫師，得到的醫療判斷或治療也不一樣，而人工智慧（AI）可協助醫療更有效率，真正改善病人安全並提升醫療品質。

臺大醫院AI中心主任陳信希說明，利用臺大總院、雲林分院和新竹分院10年回溯性資料，約125萬筆，針對急診檢傷、病史分析、即時危險分級及辨識、及早及適當安全離部、心跳停止事件的預後分析、病患手環早期高危示警等6項急診流程關鍵，都可以透過AI協助。

臺大醫院急診醫學部主任黃建華指出，病人到急診後需要經過許多關卡，每個關卡都需要決定下個步驟要做什麼；透過AI輔助，可以幫助加速正確診斷，初估每個步驟可加快20％，讓該出院的病人及早出院、該住院的病人儘速住院。

黃建華說明其中一項AI模型「智慧化急救復甦神經預後評估」，當病人心跳停止送到急診，衆多研究指出，心跳停止病患的神經學預後和大腦灰白質比值有關，目前多仰賴人工計算，較耗費人力且缺乏一致性，藉由AI模型自動計算灰白質比值，可協助解決此問題。

臺大醫院急診醫學部醫師方震中說，病人在急診最想知道的問題是「要繼續住院還是可以回家？」對於醫師來說，須判斷病人是否很危險、是否需要住院、回家後會不會有問題，以往都是仰賴醫師經驗，而透過AI輔助，就像是把資深醫師的經驗直接傳授給年輕醫師；根據參與測試的206位資深醫師回饋，準確度達7成以上。