本網站使用相關技術提供更好的閱讀體驗,同時尊重使用者隱私,點這裡瞭解中央社隱私聲明當您關閉此視窗,代表您同意上述規範。
Your browser does not appear to support Traditional Chinese. Would you like to go to CNA’s English website, “Focus Taiwan" ?
こちらのページは繁体字版です。日本語版「フォーカス台湾」に移動しますか。
Se detecta que el idioma que usted usa no es el carácter chino tradicional.Por favor, intente entrar en la Página web de“Español”

人工智慧成醫療幫手 預測敗血症又可防跌

最新更新:2018/12/07 16:31
台北醫學大學附設醫院與台灣人工智慧實驗室7日舉行簽約儀式,展開為期5年的跨界合作,發展人工智慧的臨床醫療運用。中央社記者陳偉婷攝 107年12月7日
台北醫學大學附設醫院與台灣人工智慧實驗室7日舉行簽約儀式,展開為期5年的跨界合作,發展人工智慧的臨床醫療運用。中央社記者陳偉婷攝 107年12月7日

(中央社記者陳偉婷台北7日電)人工智慧將成醫療照護最佳幫手,北醫附醫在加護病房使用智能重症照護系統,藉人工智慧預測病人發生敗血症風險並即時預警,可提升病患存活率。相關技術未來也可用在病患防跌。

台北醫學大學附設醫院與台灣人工智慧實驗室合作今天舉行簽約儀式,展開為期5年的跨界合作。由北醫附醫提供專家標注的臨床資料,與台灣人工智慧實驗室共同探討並開發人工智慧算法與系統,並將研究成果建置於醫院臨床系統。

TED-ICU智能重症照護系統及住院病人狀態評估系統是首波研究重點。

北醫附醫院長陳瑞杰下午在記者會表示,加護病房病患病情瞬息萬變,尤其敗血症是重症醫療很重要且致命的疾病(全球發生率每10萬人437名),且在美國有高達1/3的死亡率。目前篩檢敗血症的方式都有其限制,若能及早發現給予抗生素等其他治療,可有效提升病患的預後。

陳瑞杰說,北醫附醫從2017年在加護病房全面導入「TED-ICU智能重症照護系統」,自動完成病患的生理資訊拋轉、整合、計算與紀錄,並據此預測敗血症的發生率。醫護團隊利用時序性的生命徵象以及病患背景資料,可預測病患4小時後敗血症的風險,比傳統的篩檢方法有效。

北醫附醫創新前瞻中心副主任蔡龍文表示,目前「TED-ICU智能重症照護系統」臨床運用,預估病人敗血症風險的準確率約7至8成,未來希望可以達到9成。另外在醫療影像、醫療品質方面,也都能透過人工智慧有所提升。

蔡龍文舉例,預防病患跌倒是照護重要課題,為降低病患跌倒的機率,台灣人工智慧實驗室將運用機器學習過往跌倒的病患紀錄,預測跌倒高風險族群,並進一步判別病患跌倒的原因,盼能在用藥與照護上提供護理人員參考與協助。(編輯:陳俊碩)1071207

地機族
訂閱中央社
感謝您的訂閱!瀏覽更多中央社精選電子報
點擊訂閱電子報 點擊訂閱