成大醫院導入檢疫平板與武漢肺炎AI，全套檢疫作業快4倍
<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"> <p>在1月23日小年夜這天，街道上熙熙攘攘，許多人早已離開工作崗位，回家準備過年。然而，在成功大學醫學院附設醫院（簡稱成大醫院）中，仍有一群人聚集在會議室，盯著牆上的戰情資訊看板，兢兢業業地討論著。</p> <p>他們，就是成大醫院防疫團隊的核心人物，以院長為指揮官，帶領了副院長以及站在第一線的感染科主任、臨床醫師，還有在幕後以IT推動防疫工作的資訊長團隊等數十人。這天，正是成大醫院武漢肺炎戰情資訊看板上線的第一天，也是衛福部成立中央流行疫情指揮中心成立後的第三天。</p> <p>這個戰情資訊看板，匯集了關鍵的疫情動態消息，也是成大醫院每天早晨防疫會議的決策參考。資訊看板由六個大螢幕組成，首先是臺灣的疫情現況，斗大的數字清楚顯示確診人數、通報個案等，還有臺灣確診個案的地理分布圖，輔以衛福部的最新消息來補充。再來，則是世界疫情資訊與確診統計圖，可掌握各國動態，每分鐘更新兩次。</p> <p>接著是成大醫院院內的最新疫情摘要，包括院內通報個案、待檢驗人數、確診個案、排除人數等關鍵訊息，另也附上院內排班表，可一眼掌握第一線醫護人員的工作狀態。</p> <p>另一個螢幕，顯示著成大醫院院內急診與加護病房（ICU）的病床資訊，以一張圖表即時呈現每張病床的狀態和病人狀況，方便決策者調配資源。再來是院內的物資存量統計系統，涵蓋口罩、護目鏡、防護衣等資源，「特別是成大醫院擁有5,000多名醫護人員，後來口罩供不應求時，系統每天更新2、3次，來快速調配物資，」推動防疫關鍵IT應用的核心人物、成大醫院資訊長蔣榮先說。</p> <p><strong><span style="font-size:20px;"><span style="color:#FF8C00;">以戰情資訊看板為核心，病歷自動化改善檢疫流程痛點</span></span></strong></p> <p>在過年前就啟動的，不只是戰情資訊看板這個核心系統，還有一系列的防疫計畫。比如，成大團隊在醫院入口皆設置了紅外線體溫感測裝置，用來確認入院人員是否發燒；團隊也從無到有，在短時間內，快速搭建了急診室外8個帳篷檢疫站，要是入院民眾耳溫超過37.5度，或是有上呼吸道症狀且本身或家人有中國旅遊史，就會由專員帶到臨床檢疫站，進一步處理。</p> <blockquote><p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%966_%E6%AA%A2%E7%96%AB%E7%AB%99_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90_%E8%94%A3%E6%A6%AE%E5%85%88.png" /><br /> 作法1：搭建武漢肺炎臨床檢疫站<br /> 成大醫院自農曆年前，就啟動一系列防疫計畫，首先是在急診室外搭建8個臨床檢疫帳篷，讓耳溫超過37.5度的民眾，或是有上呼吸道症狀且自身或家人具中國旅遊史的民眾，在此處進行檢疫，以決定是否須進行病毒RNA篩檢。</p> </blockquote> <p>這些檢疫站可說是醫院第一道防線，在農曆年初就正式運作了。雖然，團隊在短時間內就推出檢疫相關配套措施，但仍有改進空間。像是，檢疫流程很花時間、人力，當民眾進入檢疫站，還須仰賴護理人員一問一答、人工填寫檢疫表格，再輸入至電腦系統，才能建檔，以便後續追蹤。「這個作法，難免增加護理人員被感染的風險，」蔣榮先表示。</p> <p>為解決這個痛點，團隊也快速拍板，從檢疫站的第一步改善。為提高效率，成大醫院導入了幾十套平板電腦，來取代原本需要手寫的檢疫表格，讓進入檢疫站的民眾，可於平板電腦上，自行輸入旅遊史、職業史、接觸史和群聚史等防疫必問的TOCC內容。資料填妥送出後，便直接匯入醫院電子病歷系統，醫護人員就可即時查看。</p> <blockquote><p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%B9%B3%E6%9D%BF2.jpg" /><br /> 作法2：採用平板達到病歷自動化<br /> 為了降低交叉感染風險、提高資訊串接效率，成大醫院將檢疫站中，原本需要護理師一問一答、人工填寫的檢疫表單電子化，提供平板，由民眾自行輸入，之後再透過酒精來消毒。而填妥的資料，就會直接上傳至醫院電子病歷系統，供醫護人員即時查閱。</p> </blockquote> <p>「如此作法，不只是病歷自動化，也能降低護理人員交叉感染的風險。」蔣榮先指出，相較於紙筆，平板在每次使用後，就會以酒精消毒，減少感染風險。</p> <p><strong><span style="font-size:20px;"><span style="color:#FF8C00;">以半年智慧醫療專案為基礎，開啟武漢肺炎X光片AI計畫加速檢疫</span></span></strong></p> <p>除了從硬體下手，成大醫院也鎖定胸腔X光片判讀，要透過AI輔助、找出疑似武漢肺炎病癥，來加速醫師判讀的時間。這項武漢肺炎AI專案，由蔣榮先與成大醫院胸心血管放射線科主任蔡依珊來推動。他指出，原本的檢疫流程是民眾進入檢疫站後，須拍攝胸腔X光片，再由醫師判讀、找出疑似武漢肺炎的病癥，以決定是否要進行RNA病毒篩檢。</p> <p>不過，由於一人不只拍攝一張X光片，「如果檢疫民眾人數較多，醫師就需花更多時間，來判讀X光片。」這樣一來，不只造成醫師疲勞，民眾也須長時間等待。而成大醫院整套檢疫流程跑下來，就要2個多小時。</p> <p>因此，為提高檢疫效率，成大醫院團隊決定自行開發武漢肺炎AI。專案團隊整合了成大半年前組織的智慧醫療專案團隊，包括成大資工所與成大醫院影像醫學部，以當時研發的自發性氣胸AI預警系統為基礎，來發展新AI判讀模型。</p> <p>這次，團隊著手改良了史丹佛大學機器學習小組的CheXpert-1開源模型，並利用美國國家衛生研究院（NIH）釋出的胸腔X光片資料集，取其中3,000張有無肺炎病癥的影像，來進行模型預訓練。</p> <p>接著，團隊再以成大醫院標註的2,000筆資料，包括500筆具肺炎病癥正樣本，以及1,500筆無肺炎病癥的負樣本，來微調這套AI模型。最後，再利用醫院最近收集的92筆疑似武漢肺炎（COVID-19）的胸腔X光片，來進行驗證。</p> <p><strong><span style="font-size:20px;"><span style="color:#FF8C00;">嘗試失敗找出癥結，武漢肺炎X光AI工具成功上線</span></span></strong></p> <p>「很可惜，AI辨識效果始終不理想，」蔣榮先表示。對此，團隊也與臨床醫師來回討論，歸納出最有可能的原因，「就是開源資料集的影像品質參差不齊。」他解釋，由於公有資料集的影像，來自不同等級的醫院，而這些醫院拍攝的影像目的不盡相同、影像品質也隨之不同，標註水準良莠不齊，影響了AI模型的表現。</p> <p>後來，團隊進一步調整策略，來改善模型辨識能力。首先，團隊採用深度學習中容錯性較高的ResNeXt-1架構，來訓練、調整AI模型。再來，在特徵提取工程中，則加入了Squeeze-and-Excitation Network（SENet）網路架構，來讓「模型更專注於重點資訊。」此外，團隊也採用Feature Pyramid Network（FPN）網路，來增強模型的感知視野，強化模型對大小不一的病癥辨識能力。</p> <p>另一方面，由於武漢肺炎案例仍屬少數，團隊也遇到了訓練資料正樣本不足的問題。為此，團隊以兩個方法來解決，首先，由於正樣本數量少、不易精準預測病癥定界框（Bounding Box），於是，團隊將原本的定界框預測任務，轉換為影像語義分割（Segmentation）任務。</p> <p>再來，團隊採資料增強（Data Augmentation）方法，來增加訓練資料，也就是隨機將影像放大、縮小、左右旋轉、水平翻轉，或是傾斜、調整明暗對比；然後將影像隨機裁切為320 x 320，並在每一次迭代中，隨機進行影像調整。這個方法，可避免模型過度訓練（Overfitting），也能增加穩健性（Robustness）。</p> <p>調整過後，接著，團隊再利用成大醫院額外標註的1,245份胸腔X光片，包含553分正樣本與692分負樣本，來訓練這套AI模型。</p> <p>完成訓練後，團隊也以醫院近期收集的122筆疑似武漢肺炎病癥資料，來驗證模型辨識能力。結果顯示，AI模型對訓練集和測試集的敏感度（Sensitivity），分別是91.4％與76.9％，特異度（Specificity）為92.5％、90.8％，準確率（Accuracy）則是92％與89.8％。這個表現，「與院內專業醫師判斷相當，」蔣榮先說。</p> <p>這項武漢肺炎AI專案從2月初啟動，短短兩周就完成開發和測試，近期也正式進入第一線，作為檢疫站臨床醫師的小幫手。蔣榮先表示，這套AI可在檢疫民眾拍攝胸腔X光片後，0.1秒內找出病癥位置，並以熱區圖（Heatmap）標示病癥之處，同時以顏色呈現罹武漢肺炎的機率，再由醫生確認。</p> <blockquote><p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%964%EF%BC%88%E6%9B%B4%E6%96%B0%EF%BC%89_%E6%88%90%E5%A4%A7%E8%82%BA%E7%82%8EAI_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90_%E6%88%90%E5%A4%A7%E9%86%AB%E9%99%A2%E5%BD%B1%E7%89%87%E6%88%AA%E5%9C%96.png" /><br /> 作法3：藉助AI加速肺部X光片判讀<br /> 為加速判讀時間，成大醫院團隊開發一套武漢肺炎判讀AI，可將X光片中疑似病癥標示出來，並以顏色顯示患病機率（大於0.5即為高風險），再由醫師確認。本示意圖顯示，經AI判讀，患武漢肺炎機率為0.28，非高風險族群。</p> </blockquote> <p>有了它，整趟檢疫流程從原本的2個小時，縮短為30分鐘不到。不只大幅縮短檢疫流程，「這套AI系統，還可輔助其他專科醫生或資淺的醫生，來判讀胸腔X光片，」蔣榮先指出。</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%A1%A8%E6%A0%BC(6).jpg" /></p> <p><strong><span style="font-size:20px;"><span style="color:#FF8C00;">精益求精，還要導入迎賓機器人攻病歷自動化2.0</span></span></strong></p> <p>至今，成大醫院檢疫流程已大幅精進，不過，團隊仍繼續思考改良之道，還要更上層樓；其中之一，就是目前評估要導入的迎賓機器人。蔣榮先指出，成大醫院每日都在衡量疫情變化，「我們思考，要是未來疫情加劇，會在檢疫站口導入國產Zenbo機器人，一方面迎賓，一方面輔助檢疫民眾在螢幕上輸入TOCC資料。」</p> <p>在他看來，相較於全副武裝的醫護人員，能歌能舞的迎賓機器人，不只能帶給檢疫患者親切的第一印象，也能引導患者輸入病歷資料，或提供其他有幫助的檢疫醫療資訊。反過來說，當疫情更加嚴峻時，迎賓機器人也能減少醫護人員與檢疫民眾的接觸，進而降低感染風險。</p> <blockquote><p><img alt="" src="https://s4.itho.me/sites/default/files/images/11445266259214.jpg" /><br /> 作法4：以Zenbo機器人達到病歷自動化2.0（建置中）<br /> 目前，成大醫院團隊也正評估導入Zenbo機器人，作為檢疫站中，兼具迎賓功能，也能讓檢疫民眾填寫旅遊史、職業史、接觸史和群聚史等資料，並串聯醫院電子病歷系統。</p> </blockquote> <p>不只如此，這套機器人，也是成大醫院未來長照與居家照護的策略重心。兩年前，成大成立科技部AI生技醫療創新研究中心，引進了Zenbo機器人，由蔣榮先與成大AI生醫長照研發團隊，來開發機器人背後的自然語言知識庫與相關AI應用，目的是要將Zenbo打造為陪伴照護型機器人。</p> <p>蔣榮先指出，機器人的目標是要協助醫師，提醒長者用藥資訊，並同時透過藍芽穿戴裝置，記錄長者生活狀況，像是血糖、飲食、運動等。除此之外，還要能陪長者聊天、讀新聞，甚至要結合醫療雲端平臺，將機器人記錄的數據上傳，來進一步分析並提供給醫護人員或營養師參考。</p> <p>就現階段而言，這款機器人已可做到聊天對話、讀新聞、提供相關衛教資訊等，也可透過長者親屬或照護人設定，來自動計算用藥提醒時間，讓長者按時服藥。目前，成大也已部署20多臺機器人，於臺南市社區及藥局進行測試。與此同時，團隊也正研發一套影像辨識AI模型，要來分析長者的臉部表情，進一步了解被照護者的情緒。如此一來，機器人就能根據長者的情緒，來進行不同的問候。</p> <p>除了在硬體上下功夫，醫療影像AI也是成大醫院著墨的另一大領域。蔣榮先指出，成大醫院一年所產生的醫療影像，就超過3,400萬張，其中有Ｘ光片、電腦斷層掃描、心電圖、核磁共振影像、超音波影像等。在他看來，如此龐大的資料量，是AI在醫療影像領域上發光發熱的最佳條件；透過精準的醫療影像判讀AI，可減少放射科醫師判讀大量影像的負擔。</p> <p>近幾年，成大與成大醫院團隊聯手，紛紛於腫瘤科、心臟科、放射科、重症醫學科、婦產科、腸胃消化科和急診科等科別，導入實驗性的AI計畫。其中一項，便是蔡依珊主導的非典型缺血性心肌梗塞AI，可在心臟主動脈電腦斷層掃描（CT）影像中，透過AI告訴醫師，在一份醫療影像中，不是只有一個故事；也就是除了判斷主動脈剝離之外，還可以確認病人是否患有非典型缺血性心肌梗塞。就初步成果來看，模型準確率達84％，且與院內表現最好的醫師相比，只相差4％。未來，成大團隊還要開發更多醫療影像AI，作為醫生輔助診斷的有力工具。文⊙王若樸</p> </div></div></div>
