台大醫院急診醫學部與台灣大學人工智慧中心歷時3年，合作開發出13個適用於急診的人工智慧（AI）模型，今召開記者會分享成果。（台大醫院提供）

〔記者邱芷柔／台北報導〕急診醫療常面臨壅塞問題，台大醫院急診醫學部與台灣大學人工智慧中心歷時3年，合作開發出13個適用於急診的人工智慧（AI）模型，在病患看診流程各階段導入AI輔助，從檢傷分流、問診檢查到留院評估等，不僅能維持一致的看診品質，更有效縮短病患留院時間，提高急診處理量能。

台大團隊選擇6個關鍵，包括電子化檢傷、病史分析、即時危險分級及辨識、及早及適當安全的離部、心跳停止事件的預後評估、病患手環早期高危示警等，開發對應的AI模型來輔助醫師進行診療。

請繼續往下閱讀...

台大醫院急診醫學部醫師方震中說明，AI可預測檢傷等級，評估病人住院機率及留院時間，快速的病史分析可提醒醫師可能得病因與處置，此外對躺床病患以平躺胸部X光影像進行即時判斷，同時可偵測是否感染肺結核、有無氣胸癥狀與位置及是否有導管誤置情況發生。

AI模型也能預測病人3日內再回診可能性、留觀期間死亡機率等，輔助醫師評估病患離院風險。此外，急診病患藉由戴上智慧型手環，可隨時進行生理訊號監看，由模型偵測30至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。

其中「心跳停止事件的預後評估」是由台大團隊獨創開發，經腦部CT影像自動偵測與計算腦部灰白質比率，輔助醫師快速且精確評估病患後續治療規劃。

台大醫院急診醫學部主任黃建華指出，突發性心跳停止發生率為每年每10萬人約有75人，許多研究指出，心跳停止昏迷病患是否甦醒與大腦灰白質比值相關，但現階段多以人工計算，耗費人力、缺乏一致性，團隊開發出自動計算灰白質比值工具，改善人工判讀，在神經學預後預測或存活出院預測皆能提升成效。

黃建華說，醫師在急診每一關做判斷都需要花很多時間，因為過程必須蒐集很多資訊來確保判斷正確，AI急診最主要的目標就是解決急診壅塞問題，根據目前測試，每階段的判斷速度都有所提升，包括判斷是否可回家還是要住院、正確診斷疾病等，大約可加快20%速度。

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，台大醫院自年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。

☆健康新聞不漏接，按讚追蹤粉絲頁。
☆更多重要醫藥新聞訊息，請上自由健康網。

不用抽 不用搶 現在用APP看新聞 保證天天中獎　 點我下載APP　 按我看活動辦法