CNEWS匯流新聞網記者陳鈞凱／台北報導
心房顫動是最常見的一種心律不整，更是引發腦中風的主要元凶，但患者用藥時機如何兼顧「預防中風」與「減少藥物出血風險」之間取得精確平衡，往往是巨大挑戰，台大醫院今（10）日發表最新研究成果，與新竹台大分院跨院合作，開發出具「可解釋性」的人工智慧模型，可依個別病人條件精準預測中風風險，並兼顧出血風險評估。研究成果已登上國際期刊《npj Digital Medicine》。
台大醫院研究團隊是利用台大醫院整合資料中心2007至2016年間、共9511位新診斷心房顫動病例進行開發，並進一步將模型套用於新竹台大分院與雲林分院逾2500名病例進行驗證，結果證實，AI預測準確度較傳統評分工具判別力更高。
新竹台大分院內科部主任賴超倫表示，這項研究突破了傳統臨床評分工具的侷限，他形容，能像「柔軟的皮尺」般，根據每位病人的年齡、病史與用藥紀錄等多元資訊，靈活調整；同一個因素，在不同的病人，可以有正向負向完全不同的加權比重，讓風險評估更貼近個人狀況，為病人量身打造個人化風險評估，趨近真正的精準醫療。
賴超倫說，一旦病人被診斷為心房顫動，醫師面臨的挑戰在於，是否需要使用抗凝血藥物預防中風，因為，抗凝血藥物雖能降低中風風險，卻同時會增加腸胃或腦出血等風險，如何精準評估個別病人的中風風險，成為關鍵。
台大醫院研究團隊建立的AI模型，就打破傳統風險評分工具的固定加權方式，依據病人的年齡、病史與用藥等多元資料，動態調整各項風險因子的權重，使預測結果更貼近個人化需求，實現精準醫療目標。
賴超倫強調，為提升臨床實用性，研究導入可解釋性分析技術，清楚呈現各項風險因子的影響方向與權重，醫師不僅能獲得風險預測數值，更能理解其背後原因，有助於醫病溝通與臨床決策。
照片來源：CNEWS資料照／記者陳鈞凱攝
《更多CNEWS匯流新聞網報導》
【文章轉載請註明出處】
