林口長庚醫院檢驗醫學部主治醫師王信堯指出,自己與團隊開發的冠心症預警AI,可根據抽血健檢數據,來推測未來數年發展出冠心症的風險,進而即早治療預防。該系統準確率約80%,目前正在院內不斷測試優化。

圖片來源: 

攝影/王若樸

在臺灣,心臟和腦血管疾病是全國第二與第四大死因,而「冠心症就是造成猝死的原因。」林口長庚紀念醫院檢驗醫學部主治醫師王信堯指出,雖然發作時間短得讓人措手不及,「但冠心症其實是經年累月而來的疾病,比如持續3、5年不良生活習慣,才會造成。」判斷冠心症的傳統方法,多半是透過心電圖、冠狀動脈電腦斷層掃描、心導管檢查等,但王信堯發現,這個疾病的形成,其實從患者歷年的抽血健檢和病歷資料就可看出。也因此,他與同事運用長庚醫院數十年的大數據,開發了一套冠心症預警系統,可提早揪出冠心症趨勢,即早給予患者治療。

從更全面的角度看數據,不用醫療影像就能揪出冠心症傾向

定期的健康檢查可預防疾病發生,一般醫院健檢會產生各項數值,比如血糖、血壓、高低密度膽固醇等。王信堯表示,傳統醫院診斷時,偏向單變量分析(Univariable analysis),也就是從個別較高的檢驗值,來推斷罹患特定疾病的機率。

但他認為,許多檢驗值,其實都與心臟血管疾病息息相關,應該要從更全面的角度來診斷。因此,他與團隊採多變量分析(Multivariable analysis)方法,利用林口長庚過去十年累積的20幾萬筆資料,包括接受心血管標誌篩選套組的成年人電子病歷資料與臨床資訊,像是性別、年齡、身體質量指標、高血壓病史、糖尿病史、血脂、糖化血色素、微白蛋白等近20項病理資訊,來訓練一套冠心症預測系統,可根據民眾健檢數值,來預測未來數年罹患冠心症的風險,進而給予相關建議和療法等。

這套系統耗時1年打造,在初始開發階段時,王信堯坦言,團隊並不曉得哪種程式語言和演算法最適合疾病預測,因此,在語言上,他們嘗試了R與Python,而在學習方法上,則嘗試了機器學習和深度學習。

最後,團隊發現:「傳統統計的邏輯迴歸(Logistic regression)和線性迴歸(Linear regression)表現還不錯,深度學習反而會造成過度擬合(Overfitting)。」王信堯指出,這套系統準確率約8成,目前正在醫院內部不斷測試,但已取得中華民國專利。

50萬筆蛋白質大數據,靠AI分辨致病細菌類型對症下藥

另一方面,王信堯也利用長庚大數據,與團隊開發另一套微生物特性的鑑定AI,要快速辨識出感染疾病的微生物特性,來判斷抗藥性,讓醫生對症下藥、給予正確的抗生素來治療。

王信堯指出,一般治療感染疾病的病人,通常要先透過儀器檢驗,比如用質譜儀檢驗病人的痰,從中找出致病細菌,再根據細菌的抗藥性來開藥。雖然質譜儀隔天可以得到致病細菌的檢驗結果,但是,醫生要判讀資料來找出合適的藥物,仍需3天以上的時間。所以,醫生得在病患就診當下,先憑經驗開藥,待檢驗結果出爐後,再針對致病微生物另外開藥。

為了縮短正確開藥時間,王信堯團隊自2年前開始,就利用長庚既有的50萬筆質譜儀蛋白質資料,來設計、訓練AI演算法,來從上千個蛋白質特徵中,挑出特定的特徵,來判斷細菌特性,經過一步步優化、擴大細菌判讀種類,今年,醫生只需上傳檢驗資料後,系統就能快速判斷出致病細菌,以及該用或不該用何種藥物治療。他指出,這套系統可將開藥時間縮短為1天,在內部測試上,準確率達9成以上,也取得中華民國專利,預計明年進入臨床階段。文◎王若樸


Advertisement

更多 iThome相關內容