台大醫神生活型態與環境照護平台
精準醫療旨在透過大量數據收集與分析電子病歷、基因、生活型態與生活環境資料,針對不同個案自身環境與疾病狀況發展個人化照護,其中生活型態與環境因子影響劇甚,但目前尚缺乏有效之解決方案整合病人出院後疾病風險資訊,因此本產品透過結合穿戴式裝置、物聯網環境感測器、深度學習技術,全天候自動監測收集個案生活型態與生活環境資訊,並即時同步至台大醫神照護平台供臨床人員照護病患決策輔助之用。目前慢性阻塞性肺疾病 (COPD)為首波獲益對象,COPD為全球第四大死因,疾病發展過程中住院費用 (AECOPD, Acute Exacerbation of COPD)佔了醫療費用主要部份,個案急性發作頻率及嚴重狀況與死亡率有著高度相關,而台大醫神平台-AECOPD預測模組可經由個案每日自動同步之活動資料與環境資料,預測個案未來7天急性發作可能性並於緊急狀況時通知臨床照護人員,希望藉以降低疾病急速惡化帶來之傷害,AECOPD系統目前基於電子病歷與生活型態環境因子預測準確度可達93.5%,基於生活型態與環境因子預測準確度可達83.5%,以電子病歷因子預測準確度則為69.5%。
嗓音問題常見於職業上需要大量用聲的族群,由於聲帶位處喉部深處,需要特殊咽喉內視鏡與經驗充分之專科醫師,方能做出正確診斷並決定後續治療方針。近年來隨著醫療科技與訊號處理上的突飛猛進,已有不少論文提出深度學習演算法可用於輔助醫療資訊之判讀與臨床決策,惟目前仍未有相關技術應用於嗓音疾病。本研究團隊結合嗓音資料庫、訊號處理與人工智慧之專長,偵測嗓音中的病理特徵,發表了全球第一篇基於深度學習演算法偵測嗓音疾病之論文,研究結果超越了過往分類器,最高可達99.14%之正確率。除了獲得中華民國發明專利,更得到頂尖國際會議主辦嗓音偵測國際競賽之殊榮,吸引超過100隊來自27個不同國家的積極參與。我們的研究成員也提出多模態(multi-modal)深度學習模型,加上患者之人口學特徵、職業用聲狀況、臨床症狀等豐富資料,針對嗓音濫用、喉部腫瘤、與聲帶麻痺等常見疾病,進行自動偵測與分類,正確性可達87.26%,為相關領域之一大突破。