跳到主要內容

科技大觀園商標

分類項目
Menu

解決急診壅塞的未來方案 臺大跨領域團隊開發智慧急診系統

109/09/25 瀏覽次數 2543
美國國家廣播公司NBC推出醫療劇《急診室的春天》,不但風靡全球,連續製播15季,更在各國電視圈掀起「白色浪潮」。同樣以急診醫療為劇情主軸的韓劇《浪漫醫生金師傅》和日劇《空中急診英雄》,也雙雙在臺創收視佳績。除了俊男美女的精湛演技,醫護在壅塞的急診室跟死神搶時間,同時救治多名瀕危病患,分秒之差就是生離死別,情境寫實讓醫療劇更加動人心魄。

所謂戲如人生,醫療劇裡面的急診室場景,不約而同呈現全球共同面臨的急診醫療困境——塞、塞、塞!「急診醫療有個嚴重現象,就是壅塞。不只臺大醫院、也不是臺灣才有,是全世界共同的問題。」臺灣大學資訊工程學系特聘教授兼臺大醫院醫務秘書陳信希以我國為例指出,全臺每年急診就醫件數從2006年568萬件增加到2016年689萬件,突顯急診壅塞問題越來越嚴重。
 
重度級急救責任醫院急診即時訊息截圖。重度級急救責任醫院急診即時訊息截圖。
 
「走進臺大醫院,往左邊看,走道擺滿病床,都是急診室爆滿、臨時安置留院的病患。」陳信希直言,急診壅塞的後遺症就是醫療品質降低,醫護負擔超限,等候看診與急診暫留時間跟著增加。臨床統計顯示,急診病患暫時留院1周內,死亡率就會上升到30%,這是很高的數據。「醫院無法拒絕病人就診,我們一直在想是不是能夠透過調整診療流程,改善急診壅塞的問題。」
 
身兼科技部臺灣大學人工智慧技術暨全幅健康照護聯合研究中心( )(簡稱臺大AI中心)主任,陳信希在去年下半年邀請相關研究團隊討論如何協助醫師在急診壅塞、必須同時照顧多位病人的情況下,快速分析判斷並做出正確的臨床決策。經過4個月研議規劃,決定聯合急診醫學領域專家運用AI機器人、自然語言處理、醫療影像、電腦視覺和深度學習等關鍵科技,發展「智慧急診系統」來改善急診流程,增進病人安全及醫療效率。
 
臺灣大學資訊工程學系特聘教授兼臺大醫院醫務秘書陳信希。(圖/李宗祐攝)臺灣大學資訊工程學系特聘教授兼臺大醫院醫務秘書陳信希。(圖/李宗祐攝)
 
「我們的目標是讓電腦人工智慧擁有醫師的專業知識!」陳信希指出,臺大醫院擁有最好的醫師,臨床經驗豐富,歷年建置電子病歷超過百萬病例,累積不同醫師專業知識,「這是我們最珍貴的金山寶庫!」臺大AI中心兩大核心技術主軸涵蓋智慧技術跟智慧醫療,無論是深度學習、電腦視覺、醫學影像,還是自然語言處理,都做得非常好,「我們要把最好的AI技術應用到我們最熟悉的場域(臺大醫院),讓它發揮最好的效果。」
 
然而急診醫學部病患涵蓋各種科別,複雜度彙集全院各部科「精華」,診療流程如何化繁為簡並精準診斷,成為研究團隊嚴苛考驗。「智慧急診系統」第一個挑戰是快速檢傷;第二是快速精準分析病史,根據過去經驗提出診療建議;緊接著是紓解急診壅塞主要關鍵—即時危險分級跟辨識。陳信希表示,在醫師給予適當診療後,「我們希望病患能很快安全離部(編按:離開急診部),但預後追蹤到底要暫時留院、轉送加護病房,還是離部?我們也不希望他太早離部,出院後又回來掛急診。」
 
為解決國內各大醫院急診壅問題,臺灣大學AI中心聯合跨領域學者研發「智慧急診系統」。(圖/李宗祐攝)為解決國內各大醫院急診壅問題,臺灣大學AI中心聯合跨領域學者研發「智慧急診系統」。(圖/李宗祐攝)
 
陳信希強調,急診醫師幾乎都是「1對多」同時診療多名病患,必須當機立斷做出決策;若能透過AI分析過去案例,適時提出輔助性建議,對提升急診醫學品質和效率絕對值得期待。關鍵在於醫師與AI如何分工合作,尤其是在「智慧急診系統」扮演舉足輕重角色的AI機器人。
 
依研究團隊規劃,病患進到急診醫學部後,具有視覺功能的AI機器人,就會掃描檢視患者身體五官觀察「病容」,甚至透過對話「問診」,蒐集病患基本資料並了解過去病史,進行初步分析與電子檢傷分級,提出輔助性診療流程建議。陳信希透露,研究團隊也考慮到新冠肺炎引爆全球性疫情,大家都戴口罩防疫,看不到臉,僅能看到眼睛,AI機器人怎麼「看診」的問題,「送急診的病患都已經很虛弱,觀察他的手勢或身體動作,某種程度也告訴我們一些信息。」
 
「智慧急診系統」當然不是完全由AI機器人負責診療,而是從各種面向蒐集資料提出輔助性建議,再由醫生根據自己的專業知識,做出臨床判斷與決策。重點在於「如何訓練它擁有醫師的專業知識,在最短時間提出診療流程建議。」陳信希指出,目標就是如何利用深度學習與自然語言處理技術,發展出快而準的AI診療模式。
 
臺灣大學資訊工程學系特聘教授兼臺大醫院醫務秘書陳信希。(圖/簡克志攝)臺灣大學資訊工程學系特聘教授兼臺大醫院醫務秘書陳信希。(圖/簡克志攝)
 
臺大醫院擁有百萬病患電子病歷,深度學習是訓練電腦找出潛藏在大數據裡面的資料(Data)特徵,銜接整合醫師的專業知識(Knowledge),相輔相成發揮功能。陳信希解釋,在深度學習引領AI技術潮流之前,科學家早期利用機器學習(machine learning)執行特徵工程(Feature Engineering),需要很多人花很多時間才能把特徵找出來,除了曠日廢時,也無法分辨每個特徵的權重占比,「近幾年深度學習出現以後,電腦就很厲害了。」

深度學習建立「層」的概念,呈現資料的特徵與不同特徵的權重占比。「很多層才叫深!」陳信希表示,每種疾病都有專屬的國際疾病編碼(ICD code),深度學習必須從不同病歷資料裡面找出每個ICD code的特徵,再從這些特徵找出第2層特徵,「這一層的output,就是下一層的input」,一層一層分級分類,區分各種特徵權重占比,學習模擬醫師根據問診、病容觀察、生理監測數據、X光或電腦斷層等醫學影像,從各種資訊層層抽絲剝繭做出診療決策。

透過深度學習研發「智慧急診系統」,先決條件是電腦要「看得懂」病歷,還要讓AI機器人「聽得懂」人類在講什麼,跟人類互動對話。自然語言處理就是希望電腦聰明到可以聽說讀寫,不管是從嘴巴講出來,或者用文字寫下來,電腦都能夠理解它的意涵,甚至「生成」語言跟人類對話溝通。陳信希說,「如果電腦能夠看得懂病歷,知道醫師是在什麼情況做那樣的決定,不是很厲害嗎?」
 
「智慧急診系統」協助改善急診流程,是解決急診壅塞的未來方案。(圖/孔瀞慧繪)「智慧急診系統」協助改善急診流程,是解決急診壅塞的未來方案。(圖/孔瀞慧繪)
 
研究團隊預定在2022年研發完成「智慧急診系統」,屆時是否會出現AI機器人穿梭於臺大醫院急診醫學部,協助分身乏術的醫師問診並提出輔助性診療流程建議,陳信希坦言,在醫療場域「落地」運用,解決急診壅塞問題,確實是研究團隊最重要的目標。但AI衍生出的醫學倫理與法律層面問題,還有很多有待釐清與立法規範,例如在診療過程出問題的時候,到底是醫師、醫院、還是系統研發者的責任?美國已立法通過《人工智慧基本法》,臺灣也須因應AI時代來臨,加快立法腳步。
 
:科技部「AI小國大戰略」計畫設立4個AI創新研究中心之一,簡稱臺大人工智慧中心或臺大AI中心,涵蓋智慧技術和生技醫療兩個研究領域,設有智慧技術及全幅健康照護兩個子中心。
創用 CC 授權條款 姓名標示─非商業性─禁止改作

本著作係採用 創用 CC 姓名標示─非商業性─禁止改作 3.0 台灣 授權條款 授權.

本授權條款允許使用者重製、散布、傳輸著作,但不得為商業目的之使用,亦不得修改該著作。 使用時必須按照著作人指定的方式表彰其姓名。
閱讀授權標章授權條款法律文字

OPEN
回頂部