當AI結合醫療　及時發現提升預後

2018-12-14 1591

臺北醫學大學附設醫院與台灣人工智慧實驗室日前舉辦合作儀式，由北醫附醫陳瑞杰院長與台灣人工智慧實驗室創辦人杜奕瑾簽署協議，展開為期5年的跨界合作，攜手打造AI醫療創新醫院。

臺北醫學大學附設醫院與台灣人工智慧實驗室日前舉辦合作儀式，由北醫附醫陳瑞杰院長與台灣人工智慧實驗室創辦人杜奕瑾簽署協議，展開為期5年的跨界合作，攜手打造AI醫療創新醫院。

首波合作鎖定「TED-ICU智能重症照護系統」，藉由人工智慧運用於臨床醫療資料，盼能將預測敗血症的時間由目前平均4小時縮短至即時預警，提升敗血症病患的存活率。

人工智慧結合醫療　及早發現預後佳

雙方合作將由北醫附醫提供專家標注的臨床資料，與臺灣人工智慧實驗室共同探討並開發人工智慧算法與系統，並將研究成果建置於醫院臨床系統，包括TED-ICU智能重症照護系統及住院病人狀態評估系統為首波重點。透過人工智慧在臨床醫療的運用，發展更即時、準確的醫療輔助與預測系統。

北醫附醫陳瑞杰院長表示，加護病房病患病情瞬息萬變，其中，敗血症是重症醫療很重要且致命的疾病(全球發生率每10萬人437名)，且在美國有高達三分之一的死亡率。目前篩檢敗血症的方式如SOFA、SIRS、MEWS都有其限制，若能及早發現給予抗生素等治療，可有效提升病患的預後。

精準預測4小時後敗血病　AI挑戰及時預警

北醫附醫去年於加護病房全面導入「TED-ICU智能重症照護系統」，自動完成病患的生理資訊整合、計算與紀錄，並據此預測敗血症發生率。醫護團隊利用時序性的生命徵象以及病患背景資料，可預測病患4小時後敗血症風險，比傳統篩檢方法有效。

台灣人工智慧實驗室盼能更進一步運用「TED-ICU智能重症照護系統」資料，針對病患當下狀況預測其敗血症可能性，更早發揮預警功能，讓醫護團隊在最短時間內做出正確處置，提升醫療照護品質。

大數據分析跌倒原因　助護理人員照護

除了生理資訊判別外，預防病患跌倒更是照護的重要課題。為降低病患跌倒的機率，台灣人工智慧實驗室將運用機器學習過往跌倒的病患記錄，預測跌倒高風險族群，並進一步判別病患跌倒的原因，盼能於用藥與照護上提供護理人員參考與協助。

本文經 健康醫療網 授權刊登，原文發表於此
【健康醫療網／記者蔡岳宏報導】2018/12/13
好友人數
臺北醫學大學

作者介紹

社群討論

ment,'script','//www.google-analytics.com/analytics.js','ga'); ga('create', 'UA-35937129-1', 'auto'); ga('send', 'pageview');