北榮攜手 SAS 完成 AI 自動化！偵測血紅素預判「腎性貧血」

全球人工智慧與分析軟體大廠 SAS 與台北榮總合作，打造「三階段布局 AI 臨床應用技術藍圖」，包括即時資料處理、AI 自動化與邊緣運算、AI 維運化，繼去年公布第一階段血液透析即時預判系統後，目前已完成第二階段偵測血紅素預判「腎性貧血」，並朝向第三階段邁進。

台北榮總資訊室主任郭振宗表示，去年與 SAS 共同完成第一階段的血液透析即時預判系統，主要是將「資料為王」的北榮大數據平台，串接血液透析機等聯網機器的資料，毫秒級分析不同結構的巨量資料，為腎友做到 90% 準確率的個人心衰竭風險預判，並串接肺部影像資料分析病因。

郭振宗指出，目前系統預判透析病患心臟衰竭準確度達 90%，並成功協助降低 80% 的乾體重預估誤差率，而即時警示功能，也讓第一線護理人員原先頻繁巡視與紀錄的時間，從平均 30 分鐘大幅縮減為 3 分鐘，使其有更多餘力照護病患透析的併發症和及時處置。

台北榮總與 SAS 再度攜手完成第二階段的「AI 自動化與邊緣運算」，郭振宗指出，這階段導入自動化機器學習 AutoML 技術，讓建模過程從資料前處理、模型建置與部署，到模型解釋全都自動化，協助院內分析人員減少超過 9 成的建模時間。

郭振宗舉例，讓分析人員省下更多時間來跟醫師對焦病因，並有餘力支援越來越多元的分析命題，像是加入血紅素偵測，協助醫師預判腎性貧血等，甚至 AutoML 還可一秒產出解釋報告，為醫生排序病患心衰竭的複雜成因，協助醫師臨床診斷更便捷，並具實證支持。

台北榮總資訊室高級工程師朱原嘉表示，第一階段著重在資料收集與模型建置，第二階段則是導入 AutoML 功能，真正做到節省人力與時間，就連實際參與專案的腎臟科醫生都認為，相比過往使用開源軟體完成專案需耗費一年，現在透過 AutoML 只要一週的時間。

朱原嘉指出，原本血液透析病患的乾體重設定是由醫師藉由臨床經驗判斷肺部積水情形，現在則是藉由人工智慧模型的預測，已有效建議醫護人員乾體重值，成功掌握病患因心衰竭住院的因子，甚至是紅血素的補充，同樣透過 AI 模型建置紅血球增生數，協助臨床改善血紅素的運作。

朱原嘉說明，為了讓上述應用服務拓展到更多科別與院區，後續雙方也聯手打造邊緣運算，讓 AI 模型運作在如洗腎機等終端點裝置上，即可啟動即時運算，無須擴增相對昂貴的伺服器數量，預計可節省 99% 的伺服器硬體費用，讓平行拓展 AI 模型的成本大幅降低，規模化得以實現。

郭振宗強調，第三階段北榮要做到「管控與拓展」，透過架構在雲端環境上的模型維運化流程，不斷監控模型效能，而醫院做模型維運化的終極目的，就是要管控 AI 模型的效能，以確保輔助診療的安全性，未來朝向邁入食藥署「軟體即醫療器材（SaMD）」的目標，推展到更多分院。