急診壅塞亮紅燈　台大AI急診助診治速度加快20%

【健康醫療網／記者鄭宜芬報導】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。

【延伸閱讀】

土耳其救災醫護返台！高醫4名醫護挺身而出　將加強心理照護