▲台大急診醫學部主任黃建華說明智慧化急救復甦神經預後評估。（圖／台大醫院提供）
記者洪巧藍／台北報導
國內各大醫學中心面臨急診壅塞問題已經行之有年，「要等多久」、「何時可以離開急診」是不少急診等待病患與家屬的心聲。台大醫院急診醫學部與台灣大學AI中心共同打造「人工智慧急診」，運用院內近10年、逾百萬筆病歷資料，開發出13項AI模型以應對6項急診流程，協助醫師判讀、決策，試行下來每個步驟都可加快約20%，且經過台大醫院資深醫師評測，準確率可以達到7成，正逐步運用到台大各院區，改善壅塞問題。
台大醫院院長吳明賢指出，急診在台灣，特別是大醫院的急診，都是壅塞，人工智慧協助醫療更有效率，改善病人安全、提升醫療品質，其中最困難的就在急診。
台大醫院醫務秘書、台大資訊工程學系教授陳信希說明，台大醫院急診醫學部與台灣大學人工智慧技術暨全幅健康照護聯合研究中心(台大AI中心)合作，耗時3年，運用台大醫院過去10年累積，近125萬名病歷資料，去分析六個急診流程關鍵，成功開發13個AI模型。
▲臺大醫院與台大AI中心共同打造人工智慧急診，急診醫學部醫師方震中（中）。（圖／記者洪巧藍攝）
台大醫院急診部主任黃建華指出，六大流程包含快速精確的電子化檢傷、醫師問診病史分析、即時危險分級及辨識、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，於病患留院期間，隨時根據當下狀況提供最新AI輔助建議。
台大醫院急診醫學部主治醫師方震中表示，急診的壅塞主要是因為病患在急診無法找到適當去處，醫師需評估患者是否危險，回家是否會惡化，以往就是靠醫師的經驗，需要時間累積。現在AI模型的誕生，輔助年輕醫師做醫療決策，可以說是增加了10年功力。
黃建華舉例，急診檢傷分類分為五級，第一級、第二級屬於較為嚴重必須收治住院，但統計顯示，有超過一半（54%）的患者在急診檢傷分類會被分到不上不下的第三級。經過AI判讀，可以發現病患不再僅集中於第三級，可以有效分級分流，找出原本在第三級之中，比較偏嚴重、可能要住院的病患，及早處理。
▲臺大醫院人工智慧急診，透過AI判讀電腦斷層灰白質比值去做心跳停止事件的預後評估。（圖／台大醫院提供）
另外一項AI模型「智慧化急救復甦神經預後評估」，黃建華指出，當病人心跳停止送到急診，眾多研究指出，心跳停止病患的神經學預後和大腦灰白質比值有所相關。目前多仰賴人工計算，較耗費人力且缺乏一致性，台大團隊開發出的AI模型可由腦部CT影像自動偵測計算灰白值比率，輔助醫師快速精準評估病患後續。
方震中也提到，AI系統每15分鐘進行更新，有新的資料進來就會再判斷一次，且越來越準確，根據參與測試的206位資深醫師回饋，AI輔助準確度達7成。
台灣大學人工智慧研究中心執行長杜維洲表示，智慧急診AI模型從去年九月起，在台大醫院總院急診的資深醫師已經開始試用，進一步確認確認可信度，今年二月雲林分院、新竹分院也會開始試用，預計下個月總院急診會開放更多醫師有使用權限，逐步導入推廣。
▲臺大醫院與台大AI中心共同打造人工智慧急診。（圖／台大醫院提供）
讀者迴響