急診壅塞爆滿亮紅燈 台大醫院AI輔助診治速度加快2成
大醫院常面臨急診壅塞問題,台大醫院與台灣大學人工智慧中心開發出13個適用於急診的AI人工智慧模型,協助醫師評估是否需住院、死亡風險、需要觀察多久、3日後再回診機率等,準確率達7成,而且從檢傷分流、問診檢查到留院評估等,可縮短約20%時間,今年將陸續用於臨床診斷。
台大醫院急診醫學部主任黃建華表示,以人力在急診每一關做出判斷都會花費很多時間,AI能同時分析多項身體指標並參考患者病史,做出快速精確的判斷。根據目前測試,從檢傷分流、問診檢查到留院評估等,每個階段大約可加快20%速度。
他舉例「智慧化急救復甦神經預後評估」,台灣每年約有17500人發生突發性心跳停止,目前多仰賴人工計算未來是否會清醒,耗費人力且缺乏一致性,藉由AI模型自動計算灰白質比值,可協助人工判讀,在神經學預後預測或存活出院預測皆能提升成效。
台大醫院急診醫學部醫師方震中表示,台大急診部每日有200至300人來診,當中約有100多人需要留院觀察,容易造成急診壅塞。對於判斷病人狀況,以往都是仰賴醫師個人經驗,現在利用AI模型可協助醫師評估,提升整體醫療品質,準確度達7成以上。
急診關鍵六流程 開發13個AI模型
台大針對急診六個關鍵,開發對應的AI模型,包括輔助醫師診療,包括急診檢傷、醫師問診、胸部X光檢查、管路誤置偵測、院內心跳停止預後建議、留觀離部評估、早期高危險偵測預警各階段
1快速精確的電子化檢傷:
用於預測檢傷等級、住院機率、留院時間,進行有效準確的檢傷分級分流。
2快速精準的病史分析:
依據病人病史預測潛在癥狀與診斷的ICD code,提醒可能的病因與處置。
3即時危險分級及辨識:
對躺床病患以平躺胸部X光影像進行即時判斷,同時偵測是否感染肺結核、偵測有無氣胸癥狀與位置、及偵測是否有導管誤置情況發生。
4及早及適當安全的離部:
預測3日再回診可能性、留觀期間死亡機率預測、住院可能性預測、停留超過 24 小時預測、相似病歷取回機制,評估病患離院風險。
5心跳停止事件的預後評估:
由腦部CT影像自動偵測與計算腦部灰白質比率,快速且精確評估病患後續治療規劃。
6病患手環早期高危示警:
急診病患戴上智慧型手環,可隨時監看生理訊號,由模型偵測30~60分鐘後高危險狀況發生機率並即時提出警告,臨床醫護人員可提早介入處置。
台大AI急診已獲該院人體研究倫理審查,所有病例與影像資料皆以即時去識別化的方式進行臨床試驗,已有近萬名案例進行驗證,準確率達7成以上。目前台大醫院總院已於去年9月使用,今年2月起陸續在雲林分院及新竹分院導入試用,期待加速用於臨床。
(常春月刊/編輯部整理、文章授權提供/健康醫療網)