台大醫院跨院合作，搜集近萬名心房顫動病人資料，開發出一套「可解釋人工智慧（AI）」，可協助醫師分析病人用藥利弊，且不像一般AI只能得出結果，而是可提供不同危險因子風險程度，改善過去「AI黑箱」問題。記者林琮恩／攝影
心房顫動為心律不整型態之一，為引發腦中風主因，病人使用抗凝血劑藥物可避免腦中風發生，卻可能發生腦出血、胃部出血等副作用。台大醫院跨院合作，搜集近萬名心房顫動病人資料，開發出「可解釋人工智慧（AI）」，協助醫師分析病人用藥利弊，且不像一般AI只能得出結果，可提供不同危險因子風險程度，改善「AI黑箱」。
心肌病變、瓣膜性心臟病、缺血性心臟血管狹窄、高血壓控制不良病人，均為心房顫動高風險族群。新竹台大分院主內科部主任賴超倫指出，全台成人約1%有心房顫動問題，人數約15至20萬人，抗凝血劑雖能降低中風風險，卻可能增加出血風險，如何精準評估病人是否需要藥物治療，為臨床決策關鍵。
賴超倫說，抗凝血藥物副作用是導致病人不容易止血，發生腦出血風險最高，常見的出血部位包括胃腸、內臟靜脈等，也有病人早上刷牙時，發現牙齦流血不止，本身有痔瘡的病人，則可能加劇痔瘡出血機會，臨床上除建議病人，牙刷更換較軟選項，也要預防家中碰撞，否則病人恐會經常出現瘀青，臨床上建議病人若能與心房顫動和平共處，就不需過度治療。
台大醫院整合各家分院，從2007至2016年共90511位新診斷心房顫動病例，開發出這套可解釋AI模型，並套用於新竹台大分院1300位、雲林分院1242位病例驗證。賴超倫指出，這項AI模型比起「硬尺」，更像「柔軟皮尺」，可依據病人年齡、病史、用藥等多元資料，調整不同風險因子權重，使預測結果更貼近個人化需求。
這套可解釋AI納入的臨床評估因子，分析病人中風風險，包括缺血性中風病史、服用藥物情況、高血壓糖尿病、年齡等。賴超倫指出，過去醫師決定用藥與否，是依國際治療指引評估，預測準確率約6成，利用AI評估後，準確率提升至9成，AI利用大數據、醫學知識、影像分析，模擬老醫師經驗與直覺判斷，提升預測準確率。不過，這項預測機制，尚在研究階段，未進入臨床應用。
2026/04/10 11:18
轉載自聯合新聞網: https://udn.com/news/story/7266/9433325?from=udn-ch1_breaknews-1-99-news
Post gallery
