成大醫院智慧醫療臨床決策輔助系統 加速鑑別診斷提升篩檢效能
HST採訪報導
2020年國家醫療品質獎-智慧醫療類《智慧解決方案組-佳作》
2020年1月15日衛生福利部疾病管制署（以下簡稱疾管署）公告新增「嚴重特殊傳染性肺炎」為第五類法定傳染病。為對抗新型冠狀病毒肺炎嚴峻疫情，成功大學醫學院附設醫院（以下簡稱成大醫院）在急診室外緊急設立臨床檢疫站，所有醫護人員皆需穿戴防護裝備，並由不同科部的醫師輪流支援，但是在悶熱的環境下每日面對近30至50名檢疫病人，詳細進行一連串檢疫站流程作業，包括一對一人工詢問病史、X光檢查判讀、採檢，最後依據隨時更新的疾管署公告流程決定病人動向，過程備極艱辛。在過程中，高風險病人從踏入檢疫站到醫師做出臨床決策平均時間需要達150分鐘，幾天下來醫護人員的艱辛與病人的壓力皆已達到頂點。為縮短醫護人員詢問病史的時間，及減少與發燒病人近距離飛沫接觸的機會，院長沈孟儒醫師倡導了一個新的理念：「自己的病歷自己寫」，指示由臨床醫學中心與成功大學共同開發「智慧醫療臨床決策輔助系統」。
圖 1 成大醫院智慧醫療臨床決策輔助系統
「智慧醫療臨床決策輔助系統」在架構上以醫院智慧工程師為主軸，加入感染控制部門、影像醫學部、資訊室等專業意見，與成功大學共同合作程式開發，將檢疫效率一舉提高5至6倍。高風險病人的篩檢流程（從踏入檢疫站到醫師做出臨床決策，最後採檢離開返家自主健康管理或住院）從原本2.5個小時，縮減為不到30分鐘即可完成，還可有效降低醫護人員和病人交叉感染的風險以及檢疫所需人力，有效縮短篩檢流程，達到提升篩檢效率同時兼顧醫療品質的目標。
系統流程智能改造提升精準度
面對新興傳染病，必須有科學化及專業化兩個重要觀念。2020年的農曆春節小年夜，成大醫院臨床醫學中心臨危授命，接下啟動系統設計的任務，從避免紙張與物品的接觸開始構思流程，便有了讓病人自己在篩檢站的平板填資料後上傳的初始概念。也從可能接觸的感染源頭開始思考，一層一層將風險降低。
檢疫站自2020年2月5日開始使用決策系統，每日上午8點至晚間8點開放，其餘時間病友們仍須直接到急診進行檢疫。決策系統結合成大醫院智慧醫療的能量，達成醫療病歷自動化的目標。醫療病歷自動化系統接受病人使用平板自主填寫TOCC等病歷資料，上傳到電子病歷系統，除了能立即收到相關資料外，決策系統進而分析並做出臨床決策建議，簡化整體檢疫站流程與提高通報與病人分流精準性。系統共分成四個部分，依序為：檢疫站報到、檢傷掛號、醫師看診以及病人流向。
一、檢疫站報到：病人抵達檢疫站，將會由護理師詢問來意並請病人使用電腦平板，透過決策系統完成TOCC問卷及電子簽名，將結果匯入電子病歷供醫護人員查看，取代原先手寫的檢疫表格。問卷題目也在每日依感管中心發佈的公告即時更新，平板回收後以酒精徹底消毒2次，待全乾後才能給下一位病人使用；這個流程也經由臨床醫學中心實際測試後取得證據支持，並將結論發表在國際期刊上。另外，為解決外籍人士、新住民、移工等就診時難以描述病史，醫護人員又無法解釋專有名詞的窘境，決策系統與國際語言中心合作開發十多種語言版本，如英文、日文、韓文、印尼文、越南文、歐洲語系等多國語言，更貼心地以該國國旗作為圖示提醒，直覺式地讓民眾可以點選使用母語版本。
圖 2 多國語言版本(以韓文、泰文為例)
二、檢傷掛號：護理師量測並自動上傳病人體溫、脈搏、呼吸、收縮壓、舒張壓、血氧等生命徵象，決策系統能立即抓取數據，護理師使用桌上型電腦登入決策系統進行護理師部分表單填寫時，即可依據TOCC內容分析病人初步流向，如返家或須交由醫師看診。
三、醫師看診：醫師使用桌上型電腦登入決策系統查看病人TOCC與生命徵象結果，由系統輔助分析是否已達到通報定義，並以紅字警示此病人已達到通報條件，且自動分類呈現對應的通報畫面供醫師參考；若醫師診斷疑似肺炎者，系統亦能呈現病人流向與後續通報處理建議。
四、病人流向：若病人疑似肺炎則收案入院；若為自主健康管理、居家檢疫、居家隔離等，病人透過平板使用決策系統填寫自主健康管理表單，附上電子簽名，再統一由感控中心列印回報疾管署，減少交叉感染機會。
圖 3 成大醫院新冠肺炎智慧臨床決策系統4階段
事實上，成大醫院在2020年農曆春節之前，便啟動「新冠肺炎臨床檢疫站」三部曲，以「阻絕境外、超前布署、智慧輔助」為抗疫三大原則。第一部曲，是在急診室外設8個高規格野戰帳篷檢疫站，做為最前線的防疫場所，同時興建組合屋式檢疫站，提升防疫戰備規格，為未來可能有社區感染疫情做長期抗戰的準備。第二部曲，將科技部「成大AI人工智慧創新研究中心」暨「拔尖整合計畫」的研究成果，結合成大醫院智慧醫療的能量，做到醫療病歷自動化。
相較於傳統紙筆填寫或口頭詢問病史，近距離接觸恐增加醫護人員與病人接觸感染風險，醫療病歷自動化系統讓病人使用平板自主填寫旅遊史、職業史、接觸史、群聚史等病歷資料，上傳到電子病歷系統，醫護人員能立即收到相關資料，提升臨床決策時效。第三部曲，則是導入肺炎AI輔助偵測。「胸部X光人工智慧判讀肺炎系統模型」為成大醫院AI團隊與醫院資訊團隊開發，導入成大醫院的肺炎影像資料，用於輔助篩檢疑似新冠肺炎病例，敏感度與準確性可達80%及90%。
在團隊人員每日會議及回饋意見中，發現檢疫站可歸納出問題核心：「醫、病、交、流：醫護人員身心壓力大、病人停留時間長、交互感染機會高，流動紙張才危險。」隨著疾管署修改TOCC規定，就必須立即做出滾動式修正，光是系統內的TOCC欄位一個月內就改了53次。檢疫站原本就是高度污染風險的環境，不過智慧醫療的精髓便是改善醫療流程、提高醫療品質，所以在這場大疫中從硬體建置到軟體開發，以AI等技術輔助專業人員進行處置及醫療決策判斷，讓醫療團隊更具信心，堪稱為人腦與電腦的分進合擊！
AI輔助判讀加速鑑別診斷及病人分流
由資訊部門及成功大學專業團隊共同開發的X光AI輔助判讀系統，以病人胸部X光為依據，輔以熱區圖顯示模型判讀高機率區，以顏色呈現肺炎的機率與協助肺炎之病徵偵測，有利於臨床醫師進一步鑑別診斷及加速疑似肺炎病人之分流。系統流程中有幾個階段特別重要：
一、蒐集與標註資料：蒐集成大醫院當時560份肺炎案例及2550份非肺炎案例（含正常及其他疾病）PA胸部X光片作為模型資料，並請影像醫學部AI團隊醫師協助標註病灶位置。
二、AI模型訓練：將資料集分為訓練資料與測試資料進行AI模組訓練，以U-net為基本架構，採用在ImageNet已預先訓練好加權的ResNet 50為模型的backbone，分別訓練偵測肺炎與偵測毛玻璃病灶的模型，並採取資料增強（Data Augmentation）方法，來增加訓練資料。在每一次迭代中，隨機進行影像調整，避免模型過度訓練（Overfitting），也能增加穩健性（Robustness）。
三、測試與評估：使用檢疫站1000筆篩檢案例作為模型測試，並以影像醫學部AI團隊報告醫師完成之報告計算出模型之準確性83%、敏感度84%及特異性82%。
四、PACS系統介接：醫師開單後，PACS系統自動去識別化，並拋轉胸部X光影像至肺炎AI判讀系統，回傳判斷結果顯示於系統上，提供醫師判斷病灶位置。
圖 4 AI自動判讀系統流程
此次新冠肺炎疫情不僅止於臨床醫學的挑戰，對於全球人類社會的衝擊也是百年少見，由於沒有前例可循，大家都是在摸索中學習。即使導入AI，仍需要操作人員給予回饋建議，臨床醫師可針對AI判斷結果做出回饋，以定期蒐集影像資訊對模組做重新訓練。
知識共享 創造共好價值
除了系統導入之外，成大醫院建築團隊以兩週時間組織一個跨醫學、建築、工程的研發設計團隊，以實際的行動，聯手產業與學界的力量，以1：1實體尺寸打造全臺第一間自主研發的台灣版「移動式緊急部署檢疫醫院原型QurE」。該設計採取模組化組裝，能因地制宜快速搭建檢疫醫院負壓病房組合，並可分離醫護與病人動線，在防疫期間迅速提供安全、健康且高品質的醫療環境。QurE原型屋從設計概念，到實體建造的所有研發設計過程都在網站上公開分享，提供全球下載，以開放資料、模組化設計與全球共享，再次證明台灣有能力貢獻全球防疫工作，透過循環經濟創新產業模式，實現聯合國永續發展目標（SDGs）。
不僅如此，資訊工程團隊與放射科醫師於2020年組成隊伍MedCheX，參加由世界衛生組織WHO與臉書（Facebook）、微軟（Microsoft）、微信（WeChat）等八大科技大廠合作舉辦，以新型冠狀肺炎病毒防疫為主題的「國際COVID19科技防疫黑客松大賽」。針對七大主題，包含醫療科技、弱勢族群（年長者、罹患免疫疾病者）、經濟、社群、教育、娛樂，以及其他面向，與科技人集思廣益，共同對抗疫情。成大團隊以人工智慧判讀病人肺部X光片，只需一秒即可辨識是否具備新冠肺炎特徵、示警醫護進一步檢測，此技術讓成大團隊從全球1560個隊伍中脫穎而出成為臺灣唯一獲獎團隊。
圖 5 決策系統成效評估比較
「智慧醫療臨床決策輔助系統」結合成大醫院智慧醫療的能量，做到醫療病歷自動化，病人使用平板自主填寫TOCC等病歷資料後自動上傳，醫護人員能立即由電子病歷系統收到經由系統分析並做出臨床決策之資料，肺炎AI輔助系統準確率也可達到8成以上。經由系統，簡化了整體檢疫站流程、降低醫療人員負擔、提高通報與病人分流、增加判讀的效率與精準性，透過國際比賽也為國爭光，更促進整體醫療品質的提升。
本文所有圖片均由成大醫院提供