台大开发13个AI模型改善急诊壅塞 准确度逾7成

台大医院急诊医学部和台湾大学AI中心利用近十年、100多万笔资料，成功开发13个AI模型，盼解决急诊壅塞问题。（王家瑜摄）

心跳停止病患的神经学预后和大脑灰白质比值有关，目前多仰赖人工计算，较耗费人力且缺乏一致性，借由AI模型自动计算灰白质比值，可协助解决此问题。（王家瑜摄）

「急诊壅塞」是国内各大医院经常面临的课题，台大医院急诊医学部和台湾大学AI中心利用近十年、100多万笔资料，针对6项急诊流程，成功开发13个AI模型，以每15分钟频率更新每位急诊病患状态与AI建议，并能同时追踪多院区至少500名以上急诊病患。目前已完成近万人次初步验证，根据参与测试的206位资深医师回馈，AI辅助准确度达7成。

台大急诊医学部与台大人工智慧技术暨全幅健康照护联合研究中心合作，建立智慧急诊创新医疗流程。台大医院院长吴明贤指出，过去民众到医院面对不同经验值的医师，得到的医疗判断或治疗也不一样，而人工智慧（AI）可协助医疗更有效率，真正改善病人安全并提升医疗品质。

台大医院AI中心主任陈信希说明，利用台大总院、云林分院和新竹分院10年回溯性资料，约125万笔，针对急诊检伤、病史分析、即时危险分级及辨识、及早及适当安全离部、心跳停止事件的预后分析、病患手环早期高危示警等6项急诊流程关键，都可以透过AI协助。

台大医院急诊医学部主任黄建华指出，病人到急诊后需要经过许多关卡，每个关卡都需要决定下个步骤要做什么；透过AI辅助，可以帮助加速正确诊断，初估每个步骤可加快20％，让该出院的病人及早出院、该住院的病人尽速住院。

黄建华说明其中一项AI模型「智慧化急救复苏神经预后评估」，当病人心跳停止送到急诊，众多研究指出，心跳停止病患的神经学预后和大脑灰白质比值有关，目前多仰赖人工计算，较耗费人力且缺乏一致性，借由AI模型自动计算灰白质比值，可协助解决此问题。

台大医院急诊医学部医师方震中说，病人在急诊最想知道的问题是「要继续住院还是可以回家？」对于医师来说，须判断病人是否很危险、是否需要住院、回家后会不会有问题，以往都是仰赖医师经验，而透过AI辅助，就像是把资深医师的经验直接传授给年轻医师；根据参与测试的206位资深医师回馈，准确度达7成以上。