Skip to content

AIC

基於人工智能的健康照護相關血流感染監測及分類系統

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。

評估以正子斷層掃描（FDG-PET）放射組學特徵預測口腔鱗狀細胞癌患者發生骨侵襲的可行性

口腔鱗狀上皮細胞癌（Oral squamous cell carcinoma, OSCC）的發生經常在頜骨周圍，且可能侵犯骨骼。骨侵襲的存在顯著影響腫瘤分期、治療策略、結果和生活品質。本研究目的在於評估利用手術前的正子斷層掃描(18F-fluorodeoxyglucose-positron emission tomography, FDG-PET)影像，從原發性腫瘤中提取的電腦計算機化特徵在預測 OSCC患者骨侵襲中的可行性。藉由機器學習模型來探索計算機化特徵的組合與骨侵襲的存在之間的關係，期望未來利用開發出的模型能夠協助臨床醫生制定適當的治療計劃。

Photo by Max Tcvetkov on Unsplash

實施早期預警評估系統對一般病房住院患者之效益-以台灣某醫學中心為例

早期預警評估系統（Modified Early Warning System, MEWS）是一項經過充分驗證的工具，廣泛用於偵測住院患者非預期性的病情惡化。於臨床實務上，當患者MEWS分數＞5分時，是否直接啟動緊急應變，由快速反應小組（Rapid Response Teams, RRT）接手患者處置作業，是一個困難的效益平衡問題。綜觀現有的早期預警評估系統，根據患者的生理訊號評估疾病惡化進展程度，基於臨床應用的便利性，將生理訊號連續的數值量化，導致患者接近量化區間邊界的生理數值評分會相對的不明確。根據近期早期預警評分相關研究趨勢可以發現根據臨床場域或是患者特徵是一個提升早期預警成效最簡便的方向。本研究將評估實施早期預警評估系統對於一般病房住院患者的效益及影響。

Photo by Jair Lázaro on Unsplash

開發醫療人工智能的陷阱：使用生命參數的隱藏含義預測住院患者的意外惡化

早期預警評估系統（Modified Early Warning System, MEWS）是一種經過充分驗證的工具，廣泛用於檢測住院患者的意外惡化。應用於實務工作中，當患者分數大於五分時，是否就直接啟動緊急應變，由快速反應小組（Rapid response teams, RRT）接手患者處置作業，是一個困難的效益平衡問題。透過人工智慧技術直接對患者的生理訊號進行評估，直接使用連續的數值避免量化影響也是一個可能的方向能提升早期預警成效；然而數據洩漏是人工智能（artificial medical intelligence, AI）發展中的一個關鍵問題，它會導致應用程序的性能不可靠和不確定。因此，本研究旨在展示在創建AI以預測普通病房住院患者意外惡化時遇到的挑戰，主要關注數據洩漏對模型性能的影響。

Pexels 上由 MART PRODUCTION 拍攝的相片: https://www.pexels.com/zh-tw/photo/7088524/

使用正子斷層掃描（FDG-PET）的代謝特徵預測食道癌患者於術前接受同步化學放射治療的效果

輔助同步化學放射治療（Concurrent chemoradiotherapy, CCRT）後的治療反應著實影響食道癌患者的預後，因而食道癌患者的治療反應是臨床上關注的議題之一。正子斷層掃描（18F-fluorodeoxyglucose-positron emission tomography, FDG-PET）能反映腫瘤體積，且較常規放射成像更有助於評估輔助化療的反應。然而，先前的相關研究大多集中於食道癌患者本身的預測，且通常有多種因素相互作用較為複雜，在臨床上難以精準的針對患者。本研究目的在於評估使用代謝特徵預測食道癌患者接受CCRT後治療反應的可行性，包含腫瘤與淋巴結轉移的狀態。