分秒必爭！病患進入急診室四大流程，AI輔助醫師做出最佳決策

臺大資工系特聘教授陳信希、臺大醫院急診醫學部醫師等以自然語言處理及深度學習，開發快速精準的病史分析系統。AI病史分析系統能針對病患過去的病歷、這次問診的病徵，自動推薦相關的疾病分類代碼（ICD碼）。例如病患出現腹痛的症狀，AI推薦的疾病分類代碼除了腹痛，還有泌尿道感染、尿路結石等，輔助醫師做出診斷決策。

若未出現符合的疾病，醫師也可自行輸入，AI就能透過醫師的醫學判斷，提高推薦疾病代碼的準確度。臺大醫院擁有百萬筆病患電子病歷，加上醫療教科書和論文的知識、醫師對疾病的判斷，將形成龐大的病史分析系統。臺大資工系特聘教授陳信希(圖左1)、臺大醫院急診醫學部醫師等以自然語言處理及深度學習，開發快速精準的病史分析系統。

診察：即時危險辨識分級

急診病患情況緊急，以往照完X光一直到醫師完成影像判讀，需時40至60分鐘，才能發現病患是否有錯置導管的危險，或病患是否帶有高傳染性的疾病。台大醫學影像與數據人工智慧實驗室（MeDA）主持人王偉仲、臺大醫院急診醫學部醫師團隊合作研發「PXR即時危險自動偵測系統」。

病患透過可攜式X光機照完的影像，能即時上傳到醫院急診的系統中及醫師隨身攜帶的行動裝置。針對剛完成插管的病患，AI模型能自動辨識並畫出Ｘ光影像上鼻胃管、中央靜脈導管、氣管內管的插管位置是否錯置，只要數十秒就能完成判斷，即時警示醫師，降低病患因導管錯置而受傷的風險。

此外，AI也能分析X光影像是否出現肺炎、氣胸或肺結核的病徵，醫師可馬上進行肺結核病患的隔離處置，避免在急診室與其他病患交叉感染。
數據人工智慧實驗室（MeDA）主持人王偉仲(圖左4)、臺大醫院急診醫學部醫師團隊合作研發「PXR即時危險自動偵測系統」與「CAE心跳停止事件預後評估系統」。

診察：心跳停止事件的預後評估系統

急診室醫師常需要面對心跳停止的病患，在CPR急救之後，雖恢復心跳、血壓等生命徵象，但仍持續昏迷的情況。心跳停止可能導致腦部缺氧、病變、腦水踵、身體機能受影響，時間急迫，以往醫師必須憑經驗快速做出是否進行低溫治療的處置，降低腦部受到永久性傷害的機率。

王偉仲教授與臺大醫院急診醫學部主任黃建華醫師等團隊合作開發「CAE心跳停止事件預後評估系統」，以電腦視覺判斷腦室的大小及灰白質等與腦水腫、腦缺氧相關的重要特徵，並結合生理數據和腦部斷層的醫學影像，運用多式聯合模型綜合判斷病患清醒的機率。若預後的清醒機率高，醫師就能及早進行低溫治療，若預後不樂觀，醫師則要採取其他更適合病患的治療策略。

留觀：急診AIoT平台、室內定位

急診病患留院觀察時，可能擅自離開病床，常常發生護理師一直找不到病患的情況。華碩在臺大醫院場域以私有雲打造AIoT平台，讓AI應用更順暢，也透過智慧手環追蹤病患的位置，掌握病患的動向。此外，智慧手環更能以光學量測心跳、血壓、血氧及體溫，每五分鐘持續量測數據，若有異常則即時警示護理師，協助護理師降低工作量。

畢迪科技則在急診室加裝定位信標（beacon），掃描病患手環的位置，也可做室內導航。掃描儀器設備上的信標（tag），則能管理設備的清單，方便換班點交設備。
華碩在臺大醫院場域以私有雲打造AIoT平台，讓AI應用更順暢，也透過智慧手環追蹤病患的位置，掌握病患的動向。

離部：及早離開急診室

急診病患何時可以離開急診室？要繼續留院觀察、轉進病房或出院返家療養？是急診醫師每天都要面對的難題。醫師必須考量病患的需求是否得到滿足、是否做了適當的處置、是否有死亡的風險、病情是否穩定等等因素。若太早讓病患離開，病患短期內可能會因為相同原因再度回診，若太晚讓病患離開，則會增加滯留急診的病患數量。

中研院資訊所研究員暨臺大資訊網路與多媒體研究所兼任教授陳祝嵩、臺大醫院急診醫學部外傷及毒物科主任方震中等團隊共同開發安全離部系統，從主訴、檢傷資訊、醫師診斷資訊、即時生命徵象、醫學檢查等電子病歷記錄，以AI即時預測病患的安全離部指標，例如病患三日內是否會因相同原因返診，輔助醫師做出病人是否離部的決定。
中研院資訊所研究員暨臺大資訊網路與多媒體研究所兼任教授陳祝嵩(圖左2)、臺大醫院急診醫學部外傷及毒物科主任方震中等團隊共同開發安全離部系統。

病患進入急診室就醫的檢傷、診察、留觀及離部四大流程，都能分別透過AI縮短流程，降低醫護人員的工作負擔，輔助醫師做出最好的決策，大幅改善急診壅塞的現象。

延伸閱讀：把握黃金搶救時間！以AI打造未來急診室，改善急診壅塞現象