回首頁LOGO按鈕

台灣敗血症患者中，每10萬人中就有267人死亡，致死率達29.2％，所以又有「沉默殺手」稱號，是因為其病徵模糊且病因多元，難以鑑別，針對愈加嚴重的超級細菌問題，中國醫藥大學附設醫院日前發表開發敗血症AI人工智慧輔助醫療診斷系統，將3天細菌培養時間縮短成1天初步預知，且能預測抗藥菌種，協助醫師及早發現敗血症，提升存活率。

中國醫藥大學附設醫院長周德陽表示，每10萬名台灣人中有643例新發敗血症，傳統上住院患者發生感染症時，醫師基於救急，第一時間會依據自身經驗初步判斷可能的感染源，並投以相應的抗生素，但仍有一定比例的病患在發病初期無法確診，容易錯過黃金治療時間，因此能快速辨別何種細菌感染，正確使用抗生素能降低菌血症發生風險。

周德陽指出，敗血症患者致死率高，每晚1小時治療就增加7.6％的死亡率，診斷治療與時間賽跑，透過往細菌鑑定與抗藥報告大數據，進行AI深度學習後，可預測臨床常見26種重要的抗藥菌種，預測敗血症、抗藥性與投藥建議，輔助醫師診斷給藥，預測準確度可達近9成。

周德陽說，敗血症AI人工智慧輔助醫療診斷系統已上線啟動半年，已經診斷8、9千名患者，篩檢細菌陽性為40％、50％，同時鑑定細菌種類及預判是否可能帶有抗藥蛋白，讓醫師與病人更快速掌握是否用對藥物，以降低醫療成本與致死率，該系統以全院跨科部資料開發，今年獲國家新創獎及台北生技獎跨域卓越獎優等獎肯定。

中國附醫感染科主任齊治宇表示，由於敗血症診難診斷，敗血症AI輔助診斷系統對於非感染科醫師，包括急診等科別，能協助加快診斷及給藥；人工智慧醫學診斷中心許凱程主任表示，系統利用住院病人的性別、年齡及3天內之生理指標與抽血數據等對照過往的大數據資料，推斷這名病人當下發生敗血症的機率，如系統警示患者併發敗血症的可能性高，醫護人員就能預先強化醫療照護與生理數值監控；於急診方面，醫療團隊能及時給予抗生素及輸液治療，並根據各器官受損程度，給予治療建議。