台灣首創!護理記錄轉化AI 預測ICU病患出院後死亡率「準確率8成」

  •  2025-06-03

台灣首創!護理記錄轉化AI 預測ICU病患出院後死亡率「準確率8成」 3

CNEWS匯流新聞網記者陳鈞凱/台北報導

重症加護病房(ICU)的病患,不但住院時需要被密集看護,部分患者在出院後一年內仍然有病情惡化、再入院甚至死亡的威脅,台北醫學大學今(3)日發表全球首創的「深度神經網路系統NurnaNet」,透過解析護理人員撰寫的病情變化等記錄,可預測病患出院後6個月及2年內的死亡風險,準確率可達8成。

北醫大大數據科技及管理研究所教授張詠淳帶領的研究團隊是利用麻省理工學院MIMIC-III重症醫療資料庫,分析2001年至2012年近1萬7千筆ICU患者的護理記錄,建構出NurnaNet,可預測ICU病患出院後死亡率。研究成果已刊登於國際期刊《International Journal of Nursing Studies》。

研究結果顯示,NurnaNet預測患者出院6個月以及2年內的死亡風險AUROC分別達80%與70%的F1-score,意即NurnaNet判別高風險患者的準確率最高可達80%,讓醫護團隊能提早識別高風險族群,並及早介入、提供出院後之照護,進一步有效降低再入院及死亡率。

張詠淳表示,傳統的AI預測模型多依賴結構化電子病歷(EHR)資料,如生命徵象、病史、檢驗數據等欄目,但由護理人員撰寫的護理記錄蘊含了病情變化、第一線觀察及專業判斷,這些大量非結構化文字記錄極具參考價值,能提供更精準之判斷,因此,研究團隊突破傳統限制,運用自然語言處理(NLP)技術,開發「關鍵護理描述萃取器(CNDE)」,可快速擷取護理記錄中最關鍵的資訊,並結合專為臨床語境設計的預訓練模型BioClinicalBERT,克服傳統AI模型難以處理長篇文字記錄的限制。

張詠淳指出,研究結果連臨床醫師都感到訝異,例如CNDE能針對護理記錄上患者的關鍵用藥、是否使用升壓劑等文字描述綜合判斷,甚至能將報告中重要的中英文混雜文字描述整合至預測模型參考值。

張詠淳說,這套預測模型為全球首創,研究團隊使用自然語言處理技術,透過AI從繁雜的文字記錄找出可能與病患存活率相關之訊息,突破了過去AI難以判讀非規則性的大量文字敘述的限制,讓第一線的醫護觀察記錄能被系統化運用,為病人安全與醫療品質帶來新展望。

北醫大護理學院副院長邱曉彥表示,目前在加護病房也有使用評估重症患者病情的預測工具如APACHE II,透過該系統評估患者的生理指標以進一步預測死亡率,但主要針對患者在加護病房或是轉出至一般病房的住院期間,過去少有可以預測出院後死亡率的工具,即使有,準確率也偏低,而這項研究成果可望協助醫療單位提早判斷可能在出院後具高風險的病患,並進一步擬定調整後續的回診與照護計畫,以降低患者再入院與死亡風險。

照片來源:示意照/翻攝自Pexels

《更多CNEWS匯流新聞網報導》

她發燒、下背痛到快趴地… 竟是「細菌跑到骨頭裡」脊椎骨髓炎

衛福部急找5大醫團研商防疫 羅一鈞:端午連假急診多9%!

【文章轉載請註明出處】