當病人受到嚴重的細菌、病毒或是黴菌、寄生蟲等感染，常會引發敗血症；而敗血病患者若未在1小時內給予抗生素或輸液，就有可能發生死亡率更高的敗血症休克。因此，國泰綜合醫院利用過去10多年處理過的大量敗血症病例，研發出急診檢傷敗血症診斷AI輔助系統，讓病人在抵達急診檢傷的同時，就能由AI推算病人衍生敗血症的機率，藉此盡早進行適合的治療與處置，大大減少了患者的死亡率。
國泰綜合醫院急診醫學部主任陳健驊表示，現代醫學治療敗血症，不應再用單一一種用於評估感染患者病情嚴重程度的評分系統（qSOFA)。但傳統的評估方式只含蓋3個指標，包括意識程度改變、收縮壓小於等於100mmHG，以及呼吸速率大於等於每分鐘22次。且須仰賴人工計算去推估病人衍生敗血症的機率，還是不夠有效率。
敗血症沒有有效的監測工具
相較於過去的qSOFA，現在評估敗血症用的是「相繼器官衰竭評估」（SOFA SCORE），指標涵蓋呼吸、心跳、白血球指數、肝功能、凝血功能及氧氣濃度等6大項。且隨著AI時代的來臨，人類只要把AI訓練好，指標分數相加、衍生敗血症評估，都可由AI代勞。
陳健驊表示，敗血症的症狀一般包括發燒、心跳變快、白血球上升，並伴隨血壓下降，甚至造成呼吸無力、呼吸衰竭，有時亦會造成腎衰竭。但敗血症並沒有有效的監測工具，若患者發生敗血症超過1小時，仍未被及時發現及處理，就可能導致患者敗血性休克，以及多重器官衰竭以致於死亡。
然而，敗血症的諸多症並無特異性，加上送到急診室的病人個個都是爭分奪秒、命懸一線，針對敗血症病人只要稍有延遲處理，患者的死亡率就會大幅升高。
全球一年有超1000萬人死於敗血症
根據世界衛生組織（WHO）統計，2020年全球就有超1000萬人死於敗血症，即平均每5人死亡就有1人是因為敗血症所致。至於台灣，每年平均也有大約15萬起敗血症案例，且早期的死亡率風險可高達5成以上。
陳健驊說，急診室如同戰場，每日湧入大量病人，除了考驗醫護人員快速應能力，目前臨床上篩檢敗血症的方式仍受限制，不易被及時診斷發現；加上近期急診醫護人力吃緊，無疑更是加重急診醫護同仁的負荷及工作困難度。
有鑑於此，國泰綜合醫院配合國際敗血症照護指引，整合院內過去10多年的多元敗血症之病史、數據、資料進行分析，並結合急診醫師專業，以開發AI預測敗血症之模型，建立全國急診創新之急診檢傷敗血症診斷AI輔助系統。
國泰綜合醫院的急診檢傷敗血症診斷AI輔助系統，涵蓋了與敗血症最相關的6大指數，包括呼吸、心跳、白血球指數、肝功能、凝血功能及氧氣濃度，再加上大量的過去敗血症病人的病史資料，提供AI反覆認識與學習。
AI分析準確率高達9成
陳健驊強調，現在當病人被送進國泰綜合醫院急診室進行檢傷分級的同時，AI也已在同步分析患者個人的數據與資料，最後產生該病人衍生敗血症機率的報告，準確率高達9成。不僅如此，AI還會針對接受完分析的病人，提出各種不同的治療建議，
有了AI的幫忙，國泰綜合醫院敗血症病人住院後死亡率從16到17%減少到5%，病患平均的住院天數也下降了17%。
提到住院，預測敗血症的發生率，提出治療方式的建議，只是國泰綜合醫院AI第一階段的工作；接下來，它還會針對病人的病況進行綜合分析，然後對病人經過初步處置後，接著應該返家，還是住院？住院又應住普通病房或加護病房進行建議，即完成第二階段AI的工作。
陳健驊說，根據WHO的分析，敗血症是全球民眾前3大死亡原因（另2項是癌症及心血管疾病），需要各國醫界的高度重視，因此，2020年時WHO向全世界提出的口號就是「戰勝敗血症」。而台灣的表現也相當亮眼，曾由台灣感染症醫學會代表國內醫界投稿國際級期刊，向全世界宣告我國敗血症的整體死亡率，已從早期的50%降低至29%，並且分享我們是怎麼做到的。
更多風傳媒獨家新聞：
