關於我們

大數據與人工智慧發展

:::

大數據與人工智慧發展

領航尖端照護未來 - 精準醫療大數據

AI Smart Hospital》全方位解決方案 榮獲國家醫療品質肯定

本院依 Smart Hospital(智慧醫院)資訊發展藍圖以雲端服務及行動應用為基礎,於「2019國家醫療品質獎」智慧醫療類獲得多項智慧醫院標章,備受病人及民眾之讚賞,並自 2019 年 3 月 1 日起開設 AI 門診,結合專業醫師經驗與 Medical AI,並整合健保醫療雲,將骨齡診斷、染色體異常診斷、心電圖異常診斷、胸部X光、糖尿病眼底病變、腎衰竭腎病預測等AI服務項目融入門診,協助醫師更有效及準確診斷了解病人病情,讓醫師有更多時間關懷病人與注意病人資訊診斷,提供更完善的照護。


運用大數據提升精準醫療與健康照護

 

智慧醫療大數據》高規格海雲平台 整合逾330萬人多元數據,推動智慧醫療發展

大數據中心建構完整的中醫大附醫醫療數據生態圈,清理整合本院自 2003 年起病歷全面電子化後累積之長達 20 年,共逾330萬就醫病人之全幅電子病歷資料、40萬人基因型資料、與全臺環境數據,並能統合全國性外部資料,全幅呈現生老病死的醫療軌跡,建構以病人為中心的醫療數據生態圈(圖一)。於 2020 年底啟動iHi海雲平台,以高規格進行國際化、產業化規模之開發,將完整、多樣與動態的醫療軌跡化為落地的數據應用,提供了標準化、合規化且保障隱私的數據應用平台,成為驅動智慧醫療發展的必要條件之一。


海雲平台由臨床收集數據、由數據產生洞見、再由洞見改善臨床,驅動智慧醫療在產官學應用之良性循環

 

大數據智能導入門診》高品質醫療數據 客製化腎臟病風險管理

中國附醫領先全國,首創大數據腎臟智能門診,即時整合健保醫療雲與本院大數據,開發「急性腎損傷防護網」,不但能即時分析腎功能之變動,提醒醫師相關腎損傷風險,更能主動篩檢病人過去三個月曾經暴露過的潛在腎毒性藥物,提供民眾客製化之腎臟病風險管理。此系統並經臨床試驗證明,能顯著降低急性腎損傷之門診病患在長期透析與死亡的風險。


急性腎損傷防護網,精準照護全民健康

 

數據智能生態圈》智慧醫療深入社區 開創新型態智能門診鏈

中國附醫協同衍生企業「長佳智能」已共同開發多項人工智能數位服務,友善導入流程延伸醫學中心之診斷優勢深入社區,搭配未來隨身型診斷工具(Portable Diagnostic Tools)之可及性,如移動式X光機或超音波機等,將有機會開創新型態之診所數位服務,強化原來之基層診所服務群,提升為智能門診鏈,創造病人、醫學中心與基層醫療三贏之新契機。


智能門診鏈創造病人、醫學中心與基層醫療新契機

 

領航尖端照護未來 - AI開創智能醫療

AI醫療發展》提供專家診斷資訊 輔助專業醫療決策

人工智慧中心於2017年成立,率先採用 NVIDIA專為深度學習及人工智慧加速分析所打造的超級電腦,並遴聘人工智能、資訊與資料科學專家,搭配專業醫師顧問團隊,應用本院大數據開發輔助診斷系統。以建立智慧醫院(Smart Hospital)為目標,協助附設醫院各科室,開發人工智慧技術,應用於臨床工作與醫學研究,發展疾病診斷、治療評估,預後預測等分析,建立各種醫學資料庫與臨床預測模型,改善臨床作業流程。

 

 

AI導入醫療應用場域》醫師與AI雙向合作 提升醫療品質

人工智慧目前於醫學領域之運用層面十分廣泛,即時和精準的特性可降低風險、提升效率,從影像辨識、手術開刀至藥物與療法開發等皆可與AI結合,大幅提升醫療品質。本院以人工智慧四大臨床應用為發展主軸:AI醫療數據判讀、智慧醫務管理、疾病預測、AI精準醫學,並以此為基,打造結合預防、精準、長照之智慧醫院。

周德陽院長說:「要有信賴感,醫生要『看』著病人、跟病人解釋和互動。如果醫生一直盯著電腦數據,會讓病人覺得醫生很冷漠,這是很多醫院的通病。病人來看醫生,很大的一部分,是建立在對醫生的信賴感」。為使醫師能空下更多時間關懷病人,AI是新世代醫療服務有用的輔助工具。本院於2019年3月創立「AI門診」,以心臟科、腎臟科、胸腔科、乳房外科、兒科、眼科、精準醫學、健檢中心等共八個科別為先驅,並持續推進院內醫療AI項目,讓看病進入醫療智能4.0的時代。


醫療數據人工智慧應用流程

 

AI判讀醫療數據,快速且精準診斷

AI 於醫療數據判讀的應用,是醫療AI中最易落地、且效果最好的。傳統影像辨識,靠的是醫師肉眼的判斷與經驗,一旦醫療數據增多或病況複雜度增加、辨識時間將會拉長。為解決此問題,人工智慧結合大量臨床數據與即時分析研發之系統,提供圖示化及系統化報告給醫師參考,輔助其短時間內統整病人資訊、精準判斷病症,降低疾病早期風險的發生;長期可以協助管理與追蹤病人狀況,結合每日的生理數據實現預防醫學。

 

眼底鏡影像偵測糖尿病視網膜病變

根據國家衛生研究院「2019台灣糖尿病年鑑」統計,國人糖尿病盛行率超過9.32%,糖尿病人逾220萬人。其中,糖尿病會併發各種血管病變,是成年人失明主因之一。故糖尿病人每年至少進行一次眼底攝影檢查,預防因嚴重糖尿病視網膜病變,造成視力受損。

隨著糖尿病人與日俱增,接受篩檢的可近性也不足,導致無法於第一時間將病人轉介至眼科專科給予即時治療。為使臨床作業更為順暢 (協助家庭醫學科、新陳代謝科、內科等第一線醫師診斷糖尿病視網膜病變) ,並且降低病人失明風險,本院人工智慧中心與專業眼科醫師團隊合作開發糖尿病視網膜病變輔助診斷暨分級系統,依病灶嚴重程度區分3個級別。

系統表現:AUC (ROC曲線下面積) 0.986 (Grade 0) 、0.902 (Grade 1)、0.952 (Grade 2),除糖尿病之外,本院亦積極開發其他眼底鏡病灶輔助判讀,如:青光眼。


臨床AI門診按鈕示意圖


眼底鏡AI輔助判讀流程

本系統應用場域更擴及南投縣信義鄉地利村之遠距會診,讓糖尿病人在診間做眼底鏡檢查,經過AI系統判讀給予醫師建議,同時會診中國附醫的眼科醫師即時看到病人的檢查影象及報告,診斷視神經盤有無異常。AI與遠距醫療的結合落實醫療在地化,為偏鄉病人提供醫學中心等級的醫療服務。


中國醫藥大學附設醫院投入南投縣信義鄉地利村並設立地利門診服務

AI輔助急性心肌梗塞臨床決策支持系統與AIoT遠距應用 (智救心)

心臟病是台灣第二大死因,也是全球多數先進國家的前三大死因,其中急性心肌梗塞尤為嚴重。根據健保署2018年統計,當年有4.8萬人因心肌梗塞就診,且每8位病人中就有1位未滿50歲。面對最危急的ST段上升型心肌梗塞(STEMI),國際醫療準則建議從病人抵達急診到完成心導管氣球擴張(Door-to-balloon time,D2B)的時間應在90分鐘內。然而,由於部分病人症狀不典型,加上未能即時判讀心電圖,常導致錯失黃金救治時機。

為解決此問題,本院人工智慧中心與心臟血管中心合作開發了「智救心:STEMI院前遠距輔助診斷系統」。此系統結合QT medical公司的PCA 500可攜式心電圖儀器,讓救護技術員在第一時間抵達現場時,就能在救護車上進行AI判讀,並將心電圖和分析結果即時傳送給心臟科醫師查看,為搶救生命爭取寶貴時間。模型表現優異,準確度達99.7%。

「智救心」系統已在台中、南投52個消防分隊實施,已協助超過800位救護車上的病人,成功識別36位STEMI危急個案。實施AI分類系統顯著減少了D2B時間,增加了急診室內D2B時間少於90分鐘的比例。

此外,本院與澎湖縣政府進行策略聯盟合作,將智救心系統導入澎湖縣消防隊與衛生所組成的「菊島守心鏈」,協助第一線醫護人員加速緊急通報流程。

▲ 根據研究,急性心肌梗塞病人及早打通阻塞冠狀動脈能顯著降低死亡率(JAMA, 2005;293:979)

▲ 透過雙層的LSTM模型進行心肌梗塞診斷,搭配ASAP分數篩選不典型症狀的病人,精準及早診斷急性心肌梗塞病患

 ▲ 導入智救心後,縮短院前診斷至心導管手術處置的時間,以此案例僅需12分鐘


骨齡AI輔助判讀與身高預測系統(已技轉長佳智能)

近年來,兒童身材矮小及性早熟現象越來越普遍,已成為兒童常見的內分泌疾病之一。

而在過去十年,或許因著環境及飲食習慣的影響,發現男女性開始進入青春期發育年齡,比起過去二、三十年前台灣本土資料,提前約1歲。加上台灣目前少子化的程度逐漸提升,家長對於兒童成長議題越來越重視。

由於骨齡不易判讀及偏鄉缺乏專科醫師可判讀的情形,開發出以承襲資深醫師的判讀經驗做為學習依據之輔助判讀軟體,能維持判讀準確率的一致性,並縮短大量判讀時間,以提供早期發現早期治療。

傳統放射診斷科進行骨齡評估之判讀

骨齡輔助診斷系統

適用2至16歲孩童及青少年的左手X光影像,推算出骨骼目前年齡,以輔助醫師檢視骨齡發展為正常、遲緩或過快,作為後續診斷及治療依據。傳統翻閱圖譜約需花費15 分鐘,而使用AI 自動判讀完成骨齡評估僅<1 秒,提升效率約97%

執行方式:

  • 初期須有藉由小兒科醫師的協助標記手骨當Ground Truth
  • 達到醫定準確率進行驗證,將AI判讀學習的Feature Pattern與醫師討論是否合適
  • 透過醫師的即時回饋增加判讀準確率
  • 透過深度學習應用於手部 X 光影像建置一套以國內影像資料庫為基礎的自動化骨齡判斷

​將已開發完成之自動化骨齡判讀輔助系統設置於臨床科醫師報告系統內,提供臨床科醫師即時檢視自動化骨齡判讀結果及結構化報告。並針對不同院所臨床使用流程進行優化,從一開始影像讀取,自動化骨齡判讀,到產出結構化報告之流程,確認該輔助判讀系統在臨床應用上的使用情況。

AI智能骨齡模型介紹:

▲ AI模型正確聚焦於手骨的關鍵特徵區域:在深度學習中,「顯著圖」(saliencymap)用於可視化模型的關注區域。驗證AI模型是否正確聚焦於手骨的相關部位,確保模型的解釋性和可靠性。

▲ AI模型預估與醫師評估之一致性測試:用於檢驗AI預測結果與專家評估結果的一致性,若點分布接近對角線則表示兩者相符程度高。

染色體數量異常偵測

人體內有23對染色體(共46條),依長短、次序等,在醫學上被編列為第1號~第23號染色體。在醫學遺傳學上,染色體與基因扮演相當重要的角色,也對嬰幼兒死亡和先天殘疾有深遠影響。

利用染色體基因晶片檢測可診斷相關遺傳疾病,如染色體數目異常相關疾病有:唐氏症(第21號多一條)、艾德華氏症(第18號多一條)、巴陶氏症(第13號多一條)和透納氏症(失去一條X染色體)等。

由於傳統染色體檢測方式重人工作業、工時較長,相關醫療服務仍存極大提升空間。為解決上述染色體遺傳檢測的臨床問題,本系統利用大數據、人工智慧等技術,訓練顯微鏡下之基因影像,不僅可以快速排列出人體23對染色體,更可快速篩檢出有潛在異常的染色體 (如數目異常)。針對異常染色體提供AI結果報告予臨床專科醫師做進一步確認。

傳統判讀一例須2.5小時;而AI輔助完成一位病人的染色體核型分析僅須0.001秒即可產出報告,大幅提升染色體分析效率。當前系統準確率:92%。


染色體數量異常偵測與自動排列示意圖


『NCCT缺血性腦中風AI偵測系統』(人工智慧中心)

缺血性腦中風不僅重創病人生理功能,更可能奪走寶貴生命。儘管現代醫療擁有先進的電腦斷層技術,診斷過程仍面臨嚴峻挑戰:一般的無顯影劑電腦斷層(Non-contrast CT,NCCT)對急性缺血性腦中風的判讀敏感度不足,而較準確的腦部灌流掃描(CT perfusion,CTP)則需耗時15至30分鐘進行掃描及注射顯影劑,恐延誤搶救時機。更棘手的是,不是每家醫院都有CTP設備和專業判讀人員,加上部分病人因生理因素無法進行此檢查,迫使醫師必須憑藉有限資訊做出判斷,無形中提高診斷的不確定性。

本院人工智慧中心攜手神經部,成功研發「無顯影劑電腦斷層缺血性腦中風AI偵測系統」,僅需90秒就能完成急性缺血性腦中風的初步判定,還能即時視覺化腦部受損區域與計算缺血體積!對於體積大於70毫升的急性大血管阻塞,系統展現優異表現:準確率(Accuracy)82%、敏感度(Sensitivity)68%、特異性(Specificity)95%,突破傳統人工判讀極限。

▲ Workflow of Brain NCCT Ischemic Stroke System


本系統最大突破是:只需一般電腦斷層(NCCT),無需注射顯影劑,即可在90秒內協助醫師快速判讀大血管阻塞(LVO)!不只為病人省下傳統CTP檢查30分鐘的寶貴時間,更讓未配置CTP的區域醫院也能即時判讀,快速判斷轉診決策,真正落實急重症醫療零時差!
 

▲ 智護腦臨床診斷流程示意圖

本院AI中心研發的「無顯影劑電腦斷層腦中風偵測系統」在協助篩選急性大血管阻塞的病人方面,展現卓越成效!
 

『長佳智能-腦出血檢測系統』(長佳智能開發)

據統計,每年全球腦出血的發生率為每100,000人有24人,其中,在亞洲族群的發生率更高達每100,000人就有51.8人。本案使用深度學習演算法,自動分析成人非造影頭部CT影像,識別具有提示急性腦出血(ICH)特徵的影像,向 PACS/RIS工作站發出警報。幫助醫師優先排程,為具有急性顱內出血 (ICH) 特徵的病例,進行臨床評估和分流。可精準識別有無腦出血及五種顱內出血,含:硬腦膜上出血、硬腦膜下出血、蜘蛛網膜下出血、腦實質出血及腦室內出血。 本產品不僅可快速識別可疑的急性腦出血,更可立即通知關鍵發現,使醫師能在關鍵救援期間,及時處置,讓病患更早得到醫療照護。模型表現:腦出血判讀準確度(Accuracy)達98%、敏感性(Sensitivity)達95%、特異度(Specificity)達95%。


智慧醫務:文字及語意辨識,促進醫病關係、提升醫務效率

生成式AI應用:MIRA病史語音寫作助理

為了讓醫師能將更多心力投注在病人照護上,本院人工智慧中心攜手臨床醫師顧問團隊,成功開發「MIRA病史語音寫作助理」(Medical Information Revise Assistant)。這套系統整合了最新的自動語音辨識(ASR)與大型語言模型(LLM)技術,實現了多項突破性功能:

  1. 即時將醫病對話轉換為結構化病歷
  2. 自動檢查並修正文法錯誤
  3. 協助醫師推論診斷重點
  4. 建議補充額外醫療資訊

系統效益已在臨床實務中獲得亮眼驗證:系統成功將傳統需耗時20-30分鐘的病歷撰寫工作,大幅縮減至僅需5-6分鐘即可完成,效率提升高達80%!這不只為醫師節省寶貴時間,更讓他們能更專注於病人診療,不再為了病歷寫作而分心,真正提升整體醫療服務品質。

▲ MIRA 系統流程圖

▲ MIRA 實際運作示意畫面

▲ MIRA導入後臨床效益

 


生成式AI應用:護理語音寫作助理

本產品專為護理臨床量身打造,搭載護理語音辨識技術,結合先進的AI語言模型,將護理人員口述的語音內容轉為結構化的電子病歷,縮減繁瑣的書寫時間,協助臨床護理人員即時完成紀錄。不僅縮短臨床護理人員的紀錄時間,也提升臨床紀錄的完整性,使護理人員能夠更加專注於病人的照護,有效減輕護理人員臨床工作負擔。

本系統在實際應用中展現了傑出的技術表現:字詞錯誤率僅為14.47%,13分鐘音檔的語音轉換處理時間僅需63秒。此外,智慧自動校正功能,可針對專業醫療詞彙提供高準確度辨識。而在臨床應用方面,本系統帶來了顯著的工作流程優化:護理師交班後原本需額外花費1小時時間完成護理紀錄,導入本技術後,僅需15分鐘內即可完成標準化護理紀錄(DART),大幅提升護理紀錄的完整性、一致性與準確性。

▲ 護理語音寫作助理臨床運作流程

 

生成式AI應用:化療小幫手

為提升癌症病人的照護品質,本院人工智慧中心與癌症病房醫護團隊創新合作,成功開發「化療小幫手」,運用Google Vertex AI平台與大型語言模型(LLM)技術,協助醫護人員進行更精準的化學治療的副作用評估與衛教工作。系統不只能根據病人化療處方自動產生化療藥物的副作用追蹤清單,讓醫護人員能進行個人化追蹤,詳實記錄各種副作用及不良反應,也可以用於藥物資訊問答與衛教指引。透過即時、精準的資訊支援,大幅減輕醫護團隊的行政負擔,讓他們能有效地專注於病人照護,進一步提升整體癌症治療成效。

「化療小幫手」系統自上線以來,持續收集院內醫護人員寶貴意見進行優化,包括增添新功能與擴充化療藥物資訊庫,讓系統更貼近臨床實務需求。根據使用者問卷調查顯示,系統成效超乎預期:成功將原本需耗時20-30分鐘的訪談與紀錄時間,大幅縮減至僅需5-10分鐘,時間節省高達85%!這項突破性成果不僅為醫護人員快速專注於追蹤重點,並減輕文書負擔,更讓護理師能將寶貴時間投注在病人照護上,真正實現智慧醫療、以病人為中心的照護理念。

▲ 化療小幫手系統流程圖


▲ 化療小幫手介面示意圖

ICD-10 智慧自動編碼

國際疾病分類系統的主要目的是為了讓不同國家或不同地區,將其所蒐集到的疾病診斷或相關健康問題資料,經由統一標準的分類,以便進行衛生健康資料比較分析,提供各國衛生機關決策參考。

此外,正確的疾病分類有助於DRGs (Diagnosis Related Groups,診斷關聯群住院支付制度) 給付申請,進而影響醫院CMI (Case Mix Index,病例組合指標)。然而,相較於前一代疾病分類碼 (ICD-9 CM),第10代診斷碼數量近7萬個、是前一代的5倍,而編碼的組成規則,也有極大差異,複雜程度大為提升。由於編碼作業十分繁雜,大部分臨床流程為:醫師看診時,先選擇疾病分類相近之診斷碼,之後再由疾病分類師來再度核對,確認最終編碼。

鑒於人工編碼耗時、費力、容易出錯等問題,本院人工智慧中心以AI自然語言處理的技術,對非結構化電子病歷資料 (包含:出院病摘、住院紀錄及病程紀錄等)進行模型訓練,開發ICD-10智慧自動編碼系統。臨床驗證結果顯示準確度(ROC曲線下面積)82%、敏感度(Sensitivity)78%、F1分數(F1 score)82%。系統評估顯示,AI-ICD10可協助提升約4%的編碼正確性,此改進能帶來顯著的累積效益,確保診斷資料的可靠性與一致性。

▲ ICD 智能編碼使用介面

▲ 每年平均編碼時間比較圖(統計區間:2022~2024年)

疾病預測:人工智慧即時預測,提供即刻醫療介入

AI在預防醫學上有3大類應用:
一、 用AI降低早期風險(AI-based Earlier Risk Reduction),即根據個人的家族疾病史、基因、身處環境和飲食習慣等百萬個變數,來計算未來3至12個月罹患某疾病的機率。
二、 偵測早期發病(AI-based Earlier Detection)。
三、 針對慢性病人,藉由AI介入降低併發症的發作(AI-based Earlier Intervention)。

人工智慧中心臨床上線專案:敗血症疾病風險預測

敗血症疾病風險預測

敗血症是感染性疾病主要的致死途徑。據統計,全球每年約有4,700萬至5,000萬例敗血症病人,其中至少1,100萬人不幸死亡。根據最新國際治療指引,為有效降低病人死亡風險,醫療團隊必須在確診後1小時內施予經驗性抗生素治療。然而,傳統的病原體檢測方法(如血液培養)存在許多限制,包括近五成的檢測無法成功分離出致病原、陽性檢出率偏低、以及檢測時程冗長等問題。為提升敗血症檢測效率並協助醫師即時調整用藥方案,本院運用深度學習技術,透過分析病人歷史生理數據及血液檢驗報告,成功開發 「敗血症人工智慧輔助診斷系統」。該系統能協助醫療團隊及早識別敗血症風險,有效提升病人存活機率。

本系統已整合為本院智抗菌平台之預測模組,當系統發出高風險警示時,醫護團隊可立即啟動強化照護方案,加強生理指標監測。在緊急處置方面,醫療團隊能根據系統建議,及時實施抗生素治療及輸液補充。本系統也能持續監測病人的治療反應及預後情況,使醫療團隊能適時調整治療方案。本系統展現優異的診斷準確性,包括整體準確度(Accuracy)達87%、敏感性(Sensitivity)為78%、特異性(Specificity)為91%。於臨床應用方面,敗血症風險預測應用於約1800例患者,檢測出實際非敗血症1400餘例,敗血症70例,正確率超過80%。此外,該研究成果已於2021年的國際計算與生物資訊學會議(CIBB)中發表。目前依據先前規劃之模型追蹤辦法,包含明確訂定醫師標記方式與定期召開臨床討論會議,以促進模型持續優化與後續再驗證作業。

▲ AI自動敗血症輔助診斷系統臨床應用實例

精準醫學:AI基因組學分析與精準用藥

近來AI疾病診斷模型的發展,已由單一的資料來源,轉為同時利用多種資料來源,例如結合電子病歷、醫學影像、生理訊號及次世代定序分析資料,以多體學建模技術,建立良好的疾病模型,並依據病人的基因及臨床狀態,提供個人化的精準醫療治療建議,在疾病的初期,即可以模型預測治療預後,提供醫師擬定治療計畫的依據。

目前AI於基因組學分析的應用包含:次世代定序分析(Next Generation Sequencing)、基因型插補 (Imputation)、多基因風險評估 (Polygenic Risk Score,PRS) 等,提供個人化醫學、尋找致病基因或危險因子、以及藥物開發。

至頂