Skip to content

MEWS

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。