改善急診壅塞問題！臺大醫院打造AI創新醫療流程

（關鍵字：急診 , 臺大醫院 , 看診流程 , 人工智慧輔助診斷）

急診塞塞塞，該怎麼解？急診來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，於病患看診流程之各階段導入人工智慧輔助診斷處置，可維持一致的看診品質、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。

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。

臺大醫院積極推動運用人工智慧科技，打造智慧醫療場域以提高醫療品質，由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。

本計畫由台灣大學陳銘憲前副校長與廖婉君副校長，帶領台灣大學陳信希教授、傅立成教授、陳祝嵩教授、與王偉仲教授等技術團隊，以及由本院吳明賢院長，急診醫學部黃建華主任帶領近十位急診主治醫師，組成堅強跨領域團隊共同規畫進行。

建置算力與數據平台，急診流程全面智慧化

整合臺大醫院各科部室 (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、業界夥伴 (華碩雲端、研華、商之器科技、維曙智能科技等) 投入人力、設備、軟體等，協力建置本院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。目前於本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。智慧急診流程所需之各項服務、AI模型、數據管理平台均在此私有雲平台運行。此平台整合數據介接傳輸、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。

臺大醫院積極推動運用人工智慧科技，打造智慧醫療場域以提高醫療品質。（圖片提供／臺大醫院）

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。成功開發13個適用於急診的AI模型。分別運用在急診檢傷、醫師問診、胸部X光檢查、管路誤置偵測、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：

一、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。

二、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。

三、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。

四、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。

五、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。

六、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

研究團隊與業界夥伴依據本院急診使用需求，在急診私有雲平台上，以一年半時間共同開發出智慧急診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。藉由使用AI輔助系統，醫師能隨時掌握負責的病患狀況，如同有位AI助理隨時提醒，不僅減輕醫師負擔也達到一致的醫療品質。

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，本院規畫於今年2月起陸續在雲林分院及新竹分院導入試用。不僅能平衡城鄉醫療資源差距，也能依據不同區域看診需求，持續收集資料並進行調整優化。