記者楊艾庭/綜合報導
急診病患具高度不確定性及時效壓力：無法預知來診時間、病患疾病種類、特殊事件導致急診快速湧入大量病患等狀況。因此，看診流程導入人工智慧輔助診斷處置，可維持看診品質、減低醫護人員負擔、有效縮短病患留院時間、提高急診處理量能。
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(以下簡稱台大AI中心)藉由執行國科會Capstone拔尖整合計畫「智慧急診：以人工智慧改善急診病人流動及解決壅塞之全面性策略」建立智慧急診創新醫療流程，並實際於臺大醫院急診完成近萬人次初步驗證，急診流程全面智慧化，在六個急診流程關鍵，成功開發13個AI模型，改善急診壅塞問題。
建置算力與數據平台，急診流程全面智慧化
整合台大醫院各科部室 (急診部、資訊室、醫研部、智醫中心等)、台灣大學AI中心多個研究團隊、業界投入人力、設備、軟體等，協力建置急診私有雲基礎算力、數據平台、以及串接院內數百項即時多模態病歷資料，開發即時AI輔助系統。目前院內所建置的急診私有雲平台，其中有六台專屬GPU與CPU伺服主機，區分為兩個高可用叢集 (HA Clusters)，以提供AI模型訓練與推論的算力資源，並能支應急診24小時穩定運作需求。
智慧急診流程所需各項服務、AI模型、數據管理平台均在此私有雲平台運行。整合數據介接傳輸、模型部署更新、運算資源分配、數據分析圖像化顯示介面等功能；平台上也同時運行數項臨床服務系統，包括AI輔助系統、急診中控台即時看板、病床管理系統、病床與設備定位系統等。
六個急診流程關鍵，成功開發13個AI模型
在急診看診流程中，選擇六個關鍵，開發對應的AI模型用以輔助醫師進行診療。模型開發階段需先向院內申請回溯性資料，並輔以國外的開放醫療資料進行訓練，多項模型效能達到世界最佳 (SOTA，state-of-the-art)，並累積發表近30篇國際期刊與會議論文，並成功開發13個適用於急診的AI模型。
- 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，輔助醫師進行有效準確的檢傷分級分流。
- 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，提醒醫師可能的病因與處置。
- 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。
- 及早及適當安全的離部：預測三日再回診可能性、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，輔助醫師評估病患離院風險。
- 心跳停止事件的預後評估：本團隊獨創開發之技術，由腦部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。
- 病患手環早期高危示警：急診病患藉由戴上智慧型手環，隨時進行生理訊號監看，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。
保護病患隱私，進行臨床前瞻性試驗，導入多院區落地試用
智慧急診AI輔助系統，介接數百個即時病歷項目欄位與醫療影像，以每15分鐘頻率更新每位急診病患狀態與AI建議，並能同時追蹤多院區至少五百名以上急診病患。
為確認臨床效益，並兼顧病患隱私，整個急診創新流程撰寫嚴謹的IRB計畫書經台大醫院倫委會審核同意，所有病歷與影像資料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。為使各地區均能運用創新智慧醫療工具，規畫於今年2月起陸續在雲林分院及新竹分院導入試用。
急診現場智慧化，圖像式管理急診人流、病床及設備
透過院內定位系統，準確定位總院急診場域內一百多張病床與數百項設備；嘗試調整臨床流程，使用病床管理系統以掌握病床位置與使用狀態。急診醫師與護理師可使用診間電腦，或行動式平板手機，透過連接急診中控台即時看板頁面快速掌握現場病患與資源的全面狀況，以快速因應緊急狀況。
