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》
心臟病高居台灣死亡原因第2位，其中以急性心肌梗塞最嚴重。根據健保署的資料統計，2018年因為心肌梗塞就醫者有4萬8千多人，而且每8位病人中就有1人不滿50歲，心肌梗塞已經有年輕化的趨勢。
中國醫藥大學附設醫院心臟血管系陳科維主治醫師表示，心肌梗塞在判讀有些困難，因為心肌梗塞(AMI)是極度的為急重症，是不可延遲的，到診時應立即診斷、做治療；心肌梗塞的典型症狀為胸痛、喘促及冒冷汗，但有些病人並沒有以這樣的典型症狀表現，因而可能在一開始時就被遺漏，連心電圖檢查都沒有執行。中國附醫副院長張坤正表示，在導入AI系統以前，一名早上到院的個案，第1張心電圖做4分鐘，間隔23分鐘做第2張，還是沒有警覺到，直至6小時才打通血管。
在醫院急診室，每個月平均約有20名急性心肌梗塞個案，醫院每個月都會針對這些病人做全盤的檢討，都會抓出一些問題來，而這問題很重要，因為急性心肌梗塞的血管要儘快打通，一旦延遲會造成肌肉受損、也會出現更多的問題。張坤正副院長表示，即使在醫學中心，每個月檢討仍有在急診沒有被發現的、或是沒有通知心臟科醫師、或是病人就診時症狀不典型，如不是胸痛而是肚子痛等，這些情況每個月都會有。
急診每月有5000~6000張心電圖，AI分秒判讀成利器
一般來說，若由有經驗的心臟科醫師來做判讀是沒問題的；但是在實際運作上，心臟科醫師不會24小時都待在急診。以急診來說，一個月大約有5~6千張心電圖，不可能由心臟科醫師隨時盯著，通常會是第一線的急診醫師或住院醫師在看；所以，將AI訓練到心臟科專科醫師的程度，這樣的話，就可以24小時全年無休、分分秒秒地來做判讀。陳科維表示，這是24小時在院醫師的概念，同時也是個安全網，可以把典型、不典型症狀的病人通通納進來，不會有漏網之魚，可增加安全性和效能。
在AI自動診斷心肌梗塞心電圖判讀流程的設計上，考量到有部分急性ST段上升急性心肌梗塞(ST elevation myocardial infarction, STEMI)病人症狀不典型，導致心電圖檢查延誤，或是心電圖沒有即時正確判讀，延遲啟動心導管。中國附醫跨領域合作團隊研發AI自動診斷心肌梗塞心電圖判讀，一開始先從心電圖、心律不整的判讀開始，張坤正副院長帶領團隊做AI系統的研發，從心律不整的判讀到急性心肌梗塞的判讀，也做了許多內部測試與外部測試，達到一定的準確率，其效果是相當不錯的。中國附醫從109年6月1日起運用新開發之ASAP score與AI輔助STEMI心電圖判讀系統，以提醒急診醫師，讓這一群沒有典型心肌梗塞症狀，卻又可能藏有急性心肌梗塞危機患者及時接受心電圖檢查，並以AI快速判讀每張心電圖後發出警示訊息，搭配資訊系統提升，結合心臟與急診醫護團隊，提供急診病患最即時、充分與有效的醫療照護。
.jpg)
(上圖)實際案例：D2B時間僅花費32分鐘
醫、產、學跨領域合作，加速研發腳步
整個研究團隊成員組成包括：中國附醫院內科系副院長張坤正、心臟血管系主治醫師王宇澄、心臟血管系主治醫師陳科維、資訊室主任楊榮林、AI中心工程師蔡秉岳，以及長佳智能董事長陳明豐、長佳智能工程師謝柏欣等。張坤正副院長表示，中醫大有醫院、學校，開發AI自動診斷來協助判斷心電圖；長佳智能是學校合作公司，做AI軟體的開發；而醫院裡也有AI中心。醫、產、學是分工合作，因為只有臨床醫師才知道問題點在哪裡，AI要怎麼介入；在技術方面，AI中心和醫師做前段的開發，再以半技轉的方式給長佳智能；長佳智能則是負責做後段的臨床驗證、取證、行銷等。預計在2021年初會做台灣多中心的臨床試驗；在美國亦有跟國家衛生研究院教授合作，目前都在進行中。
.jpg)
張坤正副院長跨領域合作團隊(由左至右): 心臟血管系主治醫師陳科維、中國附醫院內科系副院長張坤正、心臟血管系主治醫師王宇澄、AI中心工程師蔡秉岳
從AI著手，第一階段就從心電圖開始；張坤正副院長表示，在2019年5月時，團隊先開發用AI針對12種心律不整，建立快速準確的分類系統（在美國FDA取證也以心律不整居多），發表於國際期刊（Can J Cardiol，2020），取得經驗以後，並以此為基礎，新開發出ST上升型心肌梗塞的AI心電圖判讀系統（美國FDA與台灣FDA並未有此產品，心肌梗塞AI輔助判斷比心律不整更容易，標準的變化讓AI更容易學習）其準確率相當於心臟專科醫師。
12導程心電圖8分鐘能完成，準確度高、有效減低醫師工作量
心臟血管系陳科維主治醫師表示，心電圖判讀心肌梗塞一般以所謂“ST-T節段”變化為依據，但有些情形會造成判讀困難，如：早期再極化（early repolarization）、人為干擾等。一般來說，急性ST段上升急性心肌梗塞(ST elevation myocardial infarction, STEMI)醫療準則建議由病人踏入急診，到心導管恢復心臟血流時間，即用氣球擴張恢復心臟血流的這段時間(Door-to-balloon time, D2B)應在90分鐘內。可是許多患者的D2B時間仍會超過90分鐘，其主要瓶頸有二：1.部分STEMI病人症狀不典型，導致心電圖檢查延誤；2.心電圖沒有即時正確判讀，延遲啟動心導管。
.png)
(上圖)心電圖判讀心肌梗塞一般以"ST-T節段"變化為依據，如遇早期再極化(early repolarization)、人為干擾等，會造成判讀困難
心臟血管系王宇澄主治醫師表示，不見得更容易學習的原因是因為心律不整很多是單導程就可以，可是心肌梗塞是12導程都配合在一起，所以這種難度其實也不低；當時電腦要判讀，有問AI中心工程師蔡秉岳，問全世界競爭團隊，有時用不同的方式設計去判讀AMI，AIModel若方式不一樣，準確度會有差別；比較難的是，由不同的導程做配合，要用什麼方式去做，其結果、準確度就會不一樣。張坤正副院長表示，心律不整是單導程心電圖，心肌梗塞是12導程心電圖，兩者是不一樣的挑戰，當時AI中心也花很多的力氣在找最適合的Model來做這個訓練。像是Apple Watch則是用單一導程，能診斷心房顫動，獲得美國FDA和台灣FDA的核可，準確度約8成，有2成偽陽性，可作為個人健康監測，最後仍需由醫師來判斷、確認。
自從導入人工智慧(AI)輔助心電圖診斷系統後，12導程心電圖8分鐘就能完成。執行初步成果(109年6月9日至109年10月9日)能快速診斷STEMI：急診共執行21035份心電圖檢查，系統發送213通AI診斷STEMI簡訊，有171份心電圖確診為STEMI，42例為偽陽性個案，準確度高達81%，大大地減少醫師的工作量。
.png)
(上圖)109年6月9日至10月9日AI診斷STEMI準確度高達81%
AI自動診斷心肌梗塞心電圖迅速、精確判讀；有助於提升病人安全
陳科維表示，AI模型設計主要需在“敏感度”與“特異性”間做調整與取捨。若敏感度太高，則偽陽性增加，使臨床醫師草木皆兵；若特異性太高，則有造成偽陰性可能，而會產生嚴重誤診。由於心肌梗塞是急度重症，不容許有偽陰性的出現，可接受一定限度的偽陽性；目前是20%以下的偽陽性，正確率達80%以上。
急性心肌梗塞之心電圖必須“迅速”且“精確”地完成判讀，當病人到診時，若有出現胸痛症狀時，則直接執行心電圖；若出現不典型症狀時，則由歷年胸痛中心資料庫歸納出前5大不典型症狀及高風險因子(性別、年紀)。結合“檢傷系統”，勾選出風險評分較高者，自動跳出提示“建議到診10分鐘內先執行心電圖”視窗。
依據心血管中心已發展完成之AI輔助判讀心電圖系統，用12-lead ECG，AI會協助判讀心電圖，若判讀為STEMI時，手機同步警示急診醫師、心臟科值班醫師及技術員、PCI醫師；急診室會廣播：Acute STEMI＂。接著，會由心臟科醫師再次做確認，若同樣判讀為STEMI時，則會啟動心導管。以ASAP score及AI輔助心電圖判讀，將典型胸痛及不典型症狀的患者都納入完整的心肌梗塞診斷安全網中。
合併ASAP score評分系統，有效縮短D2B時間
由中國附醫胸痛中心資料庫歸納出的不典型症狀評分系統 (ASAP score)，依年紀 （Age），男性>50歲，女性>60歲、性別（Sex）、不典型症狀（Atypical presentation），包括：1.意識改變，2.全身虛弱、肢體無力，3. （上）腹痛、嘔吐，以及過去病史（Past history），包括：1.高血壓，2.糖尿病，3.已知冠狀動脈疾病等來篩選出高風險病患，導入人工智慧(AI)輔助心電圖診斷來提醒第一線急診醫師，儘速執行心電圖檢查、判讀並拯救心肌梗塞的病患。當ASAP score ≧ 3時，會自動跳出提示“建議到診10分鐘內先執行心電圖”視窗。
(上圖)當ASAP score ≧ 3時，系統跳出“建議到診10分鐘內先執行心電圖”視窗
ASAP score 導入後，急診開立心電圖醫囑至完成心電圖時間均縮短；且急診到院10分鐘內完成心電圖比例，從導入前的23.4%增加為56.81%。而ASAP score篩檢高風險病人中，共有3位STEMI病人以不典型症狀表現，與導入前5月1日到5月25日的資料比較，執行心電圖時間從29縮短至5分鐘。
自從AI及ASAP score 導入後，心肌梗塞病人入急診至心電圖完成、聯絡導管室及整體D2B時間均縮短；AI系統導入後STEMI的D2B中位數時間與導入前6個月(共120位病患)相較，由61縮短為53分鐘。
心臟血管系王宇澄主治醫師表示，分析導入前後的比較，所有心肌梗塞患者，75%以上要在90分鐘內完成，過去半年前，平均在88%左右；最近4~5個月已經上升至98%。AI系統另一個好處是，做了心電圖沒空去看或者是看不出來等，AI會自動跳出警示，啟動時間明顯縮短，讓所有病人都在90分鐘內完成；未來可以推廣到台灣其他地方，台灣很多地方的醫療資源差距大，很多偏鄉地方只有1~2個心臟科醫師，甚至沒有，一個月可能只有10天有醫師值班，若急診科醫師沒有能力判讀時，恐造成病人被延遲發現、治療。未來將此推廣出去，能夠讓他們及早發現、及早轉診，對他們會有幫助。
先做好急診院內流程後，未來將推廣至院外
AI自動診斷心肌梗塞心電圖的未來發展，主要是向院外延伸到更早介入的時間點。目前心肌梗塞來診病人約40%為救護車送達，60%為自行就醫。如何將急診就醫流程做好是第一個功課，再來就是推到院外。因此，延伸方向有二：1. 救護車上簡易心電圖執行設備 2. 個人可攜式心電圖。兩者應皆可傳輸至雲端予AI執行診斷，一但發現為心肌梗塞，送至醫院即可直接接受心導管治療。
陳科維表示，12導程簡單，在家就能用，和AI結合可給回饋，而院外思考救護車資源和民眾就醫的習慣，讓非專業的人都能用當裝置結合AI時，第一時間能給救護車、個人回饋，以加速處理。
蔡秉岳工程師表示，未來透過智慧物聯網，藉由人工智慧AED、便利型ECG，上傳心電圖、病人位置，系統會回傳心臟科醫師確認的判讀結果與建議處置方式，對於轉送至醫院，或醫院的心導管室準備，都有很大幫助，能有效縮短接受治療所需時間，減少病人心肌缺血時間及死亡率。
.png)
(上圖)心肌梗塞警示系統的未來與瓶頸