簡介
CLABSI 是一種原發性的血流感染，是放置中心導管過程中因微生物移至導管外表面或輸注液體而導致血流感染。中心導管相關血流感染（Central line-associated bloodstream infections, CLABSI）可能導致病患住院時間延長、醫療費用增加，或死亡風險增加。然而，辨別患者是否發生中心導管相關血流感染需耗費大量的時間與人力，辨別的效率取決於感染控制人員的專業知識。本研究期望能以人工智能（Artificial intelligence, AI）技術結合網頁系統，自動監測中心導管相關血流感染，藉以改善醫院流程，提升醫療品質。
方法
我們開發了一個網頁系統，彙整與重構來自醫院資訊系統中各個子系統的臨床資料，將過往以事件為導向轉換為以病人為中心的資料架構。首先，將導管記錄中非標準化格式的資料進行標準化，特別針對中心導管的名稱、放置位置，以及用途。接著，應用自然語言處理來辨識檢驗報告中的菌種以及護理記錄中的生命徵象與症狀。最後，開發一項以規則主導（rule-based）的AI模組，基於結構化數據（例如生命參數）等，以及台灣疾病管制署於2018年所發布的監測定義，進行中心導管相關血流感染的判定。透過與感控人員判定結果的比較，評估AI模組的判定能力，對於兩者不一致的部分將進行同儕審查，以驗證其準確性並確保偵測能力。
結果與結論
研究共納入9,173 名住院患者，22,961 份陽性血液樣本；其中有299份樣本（1.3%）被感控人員判定為CLABSI。而在299份樣本中，AI判定為CLABSI的為291份（true positive, TP），8份為非CLABSI（false negative）。相反地，有272份不被感控人員判定為CLABSI的樣本被AI歸類到CLABSI（false positive），在與感控人員確認之後，將其中73份原先被人工判定為非CLABSI的樣本修正為CLABSI。最終AI模組的敏感度、特異性、陽性預測值和陰性預測值分別為 97.85%、99.11%、64.65 % 和 99.96%。
發表年份：2023
會議名稱：第39屆國際健康照護生活品質學會（International Society for Quality in Health Care, ISQua）國際年會。
會議地點：首爾
