SNQ 臺中榮總AI智慧重症系統預警，提升加護病房重症照護品質

重症醫學是現代醫學的一環，特別是伴隨醫療科技的進步，人口老化及新興傳染病等因素，日益彰顯重症醫學的重要性。在加護病房（ICU）中，病人因器官衰竭，需要即時有效的介入治療，以度過生命危機。

疫情期間，重症照護需求暴增，專業人力難以負荷，讓臺中榮民總醫院思考，如何運用先前院內所累積的大數據演算，預警病人的情況、讓醫護人員及早介入，協助臨床決策和改善病人預後，「Zoe智慧重症系統」因而誕生。

臺中榮總多年來積極投入醫療資訊基礎建設、技術開發及整合運用。在院長陳適安的帶領下，智慧重症為眾多成果之一，這些應用智慧醫療的成果，連續2年被美國《新聞週刊》（Newsweek）和調查機構Statista評比為全球智慧醫院前300名，並且為兩岸三地華人世界唯一獲得這項榮譽的醫院。

來到臺中榮總第一醫療大樓第一加護中心旁的「戰情室」，大型儀表板（Dashboard）上，「Zoe智慧重症系統」每小時更新病人的臨床資料。有3位急性呼吸窘迫症候群（ARDS）的病人亮起紅燈，醫師快速查看病人的呼吸器設定，水分是否平衡、肌肉鬆弛劑劑量是否需要調整，趕緊介入處理，避免病情惡化。

這套結合人工智慧（AI）連續推論和專家智慧（HI）的重症預警系統，取名為Zoe，在希臘文中有「生命」之意，代表臺中榮總對於每一位急重症病人生命的珍視。

發展智慧醫療需要龐大且優質的資料庫，成人加護病房資料多且完整，適合做為實踐智慧重症醫療的場域。

臺中榮總依據加護病房臨床需求的重要性和急迫性，優先選擇4個急重症為主題，包含腎臟重症、呼吸重症、敗血休克和死亡風險，分別開發急性腎損傷（AKI）風險預測模型、急性呼吸窘迫症分類器、菌血症感染風險預測、死亡風險模型預測；各主題的相關科主任都參與其中，確保專業知識融入。

臺中榮總副院長、胸腔暨重症專科醫師吳杰亮指出，設計4大主題希望達到的目標：第一，加護病房裡大約30～50％病人有急性腎損傷，希望能早期預測；第二，呼吸衰竭的病人如果產生急性呼吸窘迫症候群，死亡率大約是40～50％，盼能優化診斷與治療；第三，假設某個病人已經住院3～5天，未來有無可能感染菌血症，「我們提前知道，可以預防它不要發生。例如，提前調整管路，或者找出可能的感染源。」最終，萬一病人的預後不理想，死亡率偏高，醫護團隊可以提前一天收到警示，讓團隊和家屬及早準備。

「除了4大主題，這個平台可以一直擴增其他主題的模型。」臺中榮總重症醫學部主任、胸腔暨重症專科醫師詹明澄說，腎臟重症主題包含預測AKI和洗腎患者透析脫離的預測；呼吸重症則包含ARDS、是否適合拔管等，也陸續加入營養評估、鎮靜譫妄等預測模型。「整個平台開發了超過10個模型，適合的就繼續使用，不適合的模型就拿下來再訓練，提升準度。」

ICU中，重症病人狀況多、變化快，過往病人的資料散落在醫療資訊系統（HIS），對於還在累積經驗的年輕醫師有如大海撈針，而且要把醫師、護理師、呼吸治療師、營養師和藥師等整合在一起，需要花很多時間。

臺中榮總將臨床醫療資訊系統（EHIS）與研華科技WISE-PaaS雲平台介接，主要的功能在於提醒，進一步輔助醫師判斷。詹明澄說，儀表板視覺化資訊能讓團隊溝通更順暢，大家看著同樣的資訊，可以得知病人是否照顧到位。

「導入AI並不是要取代或超越醫護人員，而是在繁雜的照護過程中，把重要的資訊集中呈現，提醒醫護和醫事人員及早處置。」吳杰亮說。

以新冠肺炎常見的死因之一ARDS主題為例，設定的使用對象為呼吸治療師。以前呼吸治療師查房要一床一床看；現在儀表板把危急的病人優先調出來，包含呼吸器的參數、影像、心跳、血壓等生命徵象（Vital Signs），因此，呼吸治療師團隊可以根據這些數據，調整呼吸器潮氣容積臺中榮總重症醫學部主任、胸腔暨重症專科醫師詹明澄解釋，潮氣容積是用呼吸器讓病人吸氣、吐氣，每次正常呼吸下所呼進呼出的容積。
當潮氣容積大的時候，壓力增加，會造成肺部的傷害。詹明澄說：「以前的習慣是把潮氣容積放大一點，因為氧氣交換，數值看起來比較漂亮，可是這會造成病人的死亡率上升。」控制得太小時，又可能使病人的血氧變差、二氧化碳交換受影響。
因此，在面對急性呼吸窘迫症候群時，潮氣容積的設定應控制得宜。或肌肉鬆弛劑病人使用呼吸器時，因體內氧氣濃度不足，醫師為了讓病人不要消耗更多的氧氣，而使用肌肉鬆弛劑。但是臨床上使用時間太長、劑量太多，對於病人的肌力恢復會有影響。，以及判斷病人是否要俯臥通氣治療根據衛福部健保署和《護理雜誌》資料，俯臥通氣治療是利用物理學方式，藉由俯臥時被壓迫的肺葉減少，獲得血液灌流的肺泡增加，通氣灌流重新分布，改善病人低血氧、促進氧氣交換及提升氧合能力，是治療ARDS病人重要的方式，已經過實證可以有效降低病人死亡率。。

另外，加護病房中許多病人有多重用藥問題，必須避免藥物產生交互作用。臺中榮總內科第一加護病房主任、腎臟科主治醫師王彩融說，AKI風險預測模型能幫藥師節省時間，先找出AKI風險較高的病人，提醒腎毒性藥物的使用，調整藥物的劑量與水分平衡。

臺中榮總建立智慧重症系統的開端，源自於2018～2019年，院方派一批醫師、護理師、資訊室工程師參與臺灣人工智慧學校（AIA）第1期培訓，為日後醫院與東海大學、研華科技合作打下基礎。

回顧建立AI模型的歷程，因為醫學與資訊工程分屬不同專業，為了讓醫院的工程師、醫師與東海資工系的羅文聰教授、許瑞愷教授、陳倫奇教授、白鎧誌副教授找到共通的語言，三方建立合作流程。他們每兩週開一次進度會議，每一季開一次總整會議，「可說是不眠不休了。」吳杰亮說。

首先，由臺中榮總資訊室主任賴來勳所帶領的團隊從事資料清理的基礎工程；臨床應用端則由醫師定義要使用哪些特徵；等到資料清理到乾淨的程度，再由東海資工系的老師針對資料探索、確認資料的品質，並設計訓練預測模型。

在開發ARDS模型時，臺中榮總希望將臨床資料與影像整合，提升推論品質。吳杰亮說，為了做出能讀取影像的模型，必須先在X光片上標註特徵，「我讀了將近千張的片子，資工系的老師再把它寫成X光片分析的AI，追蹤這張片子裡跟ARDS有關的特徵；記得某一年的過年連假，我就埋在這上面，一張一張片子標註。」

如今，臺中榮總有全台最大、最完整的重症資料庫。2015～2020年累積成人加護病房24類、339項特徵、共6,610萬筆資料，到2023年已累積8,000萬筆資料，做為臨床研究和AI應用所需。

「資料庫是很重要的資產，有了資料庫，才有辦法演算和預測。」詹明澄說，先前臺中榮總採用國際開放資料庫MIMIC-IIIMedical Information Mart for Intensive Care（MIMIC）是由麻省理工學院計算生理學實驗室開發的公開可用重症醫學資料庫。，後來是用MIMIC-IV；「但是我們要打造適合台灣健保環境的模組，用國外的模組不見得合自己的身。」因此，臺中榮總參考MIMIC- IV的資料結構的設計方式和去識別化功能，建立專屬於臺中榮總的資料庫。

臺中榮總的資料多樣且多量，所以使用資料拋轉工具（Extractor, Transfer and Loader, ETL）推論和儀表板資料自動擷轉，設定每小時讀取各資料庫（含HIS、NIS、PACS醫療影像擷取與傳輸系統。等）的數值、文字、影像等，傳送到研華科技的WISE-PaaS Database；當使用者開啟儀表板時，就會顯示最新的資料。

當衛福部提出智慧醫療跨院驗證計畫時，因為臺中榮總院長陳適安身為國家科學技術委員會委員，擔任「台灣智慧醫療聯盟」（Taiwan Smart Healthcare Alliance, TSHA）總計畫召集人，引領全國19所醫學中心共同發展人工智慧AI模型跨院驗證、取得專利、技轉與商轉等工作；在他的帶領與支持下，臺中榮總提出AKI風險預測模型，透過TSHA促成跨院聯邦式學習，臺北榮總、馬偕、高醫、成大等醫院都加入，驗證模型在不同醫院場域落地的廣適性。

因為醫療資訊牽涉到個資，研華科技在參與的各醫院建置防火牆。詹明澄說，聯邦式學習是5家醫院的資料不交換，基於一樣的演算法架構，交換和整合參數，重新再產生新的模型。「原來的模型就已經不錯了，新的模型又再更好一點（AUROC平均達0.8），表示AKI風險預測模型不只在臺中榮總適用，在國內其他醫學中心也能使用。」這讓他們更有信心未來朝產品化發展。

現今看到亮麗的儀表板背後，其實都是臺中榮總在不斷嘗試與汰換中調整出來的。吳杰亮說，未來將掛載更多其他的模型，鼓勵醫師、護理師、治療師、營養師都來使用這套系統；系統目前也設計回饋機制，讓使用者可以對AI的表現提出意見，達到AI和HI整合的目的。