台師大用AI分析空污與急診風險關聯 研究登國際期刊

（中央社記者陳至中台北20日電）台師大組成跨領域團隊整合台灣23年來的氣象、空氣品質觀測、急診就醫數據，成功建立出心血管疾病急診風險的預測模型，並發現氮氧化物更能有效辨識高風險日，研究登上國際期刊。

台師大今天發布新聞稿指出，地球科系、資訊工程系以及台北市立大學衛生福利系組成的團隊，近日在國際期刊GeoHealth（地球健康）上發表運用AI（人工智慧）的研究成果，受到國際重視。

論文第一作者、台師大資工系助理教授陳翔瀚指出，過去醫療預測研究多聚焦於個人病史或臨床資料，但環境其實也是重要且可量化的健康風險來源。

團隊整合長達23年的氣象、空氣品質與健康等超過500萬筆資料，並從184項環境特徵中找出真正具有預測能力的訊號。

研究發現，65歲以上族群對環境變化最為敏感，其次為50至64歲族群；女性族群所呈現的環境敏感度也略高於男性。

團隊比較8種AI方法設置的預測模型，發現以Random Forest、LightGBM及XGBoost為代表的樹狀集成模型具有最佳預測能力，對65歲以上族群的預測效果最高。且NOx（氮氧化物）、NO（一氧化氮）與NO₂（二氧化氮）等交通相關污染物，以及風速等大氣擴散條件，是影響急診風險最重要的環境指標。

北市大衛福系副教授林于凱表示，氣候變遷與環境風險日益增加，如何提前辨識健康風險，已成為重要課題。未來若能進一步整合即時空氣品質監測、氣象預報與健康風險模型，將有機會建立區域性的心血管疾病預警系統，協助高齡者與高風險族群提早採取防護措施。（編輯：黃名璽）1150620