AI預測死亡風險準確率達8成 北醫大「NurnaNet」助攻出院照護

北醫大全球首創NurnaNet，突破傳統AI限制，透過護理師第一線觀察文字記錄預測ICU患者出院後半年及2年死亡風險。圖由ChatGPT生成。（北醫大提供）

〔記者邱芷柔／台北報導〕出院不代表風險就此結束，尤其是從加護病房出院的患者，往往面臨再入院、病情惡化甚至死亡的風險，為了幫助醫護團隊更早發現高風險族群、提供出院後的照護支持，台北醫學大學研究團隊開發出全球首創的「深度神經網路系統NurnaNet」，能解讀護理紀錄、預測患者在出院後6個月與2年內的死亡風險，準確率最高可達8成。

這項研究由北醫大大數據科技及管理研究所教授張詠淳帶領團隊完成，團隊利用麻省理工學院的MIMIC-III重症資料庫，分析2001年至2012年間、近1.7萬筆ICU病患的護理紀錄，建構出能進行長期預測的AI模型，研究成果已刊登於國際知名期刊「International Journal of Nursing Studies」。

請繼續往下閱讀...

張詠淳表示，多數AI系統主要分析結構化病歷資料，例如病人生命徵象、檢驗報告等，但實際上，第一線護理人員每天寫下的觀察紀錄，才是最貼近病人狀況的細節所在，這些非結構化的文字內容，過去不易被AI利用，如今透過自然語言處理技術（NLP），有了突破性進展。

研究團隊設計出「關鍵護理描述萃取器」（CNDE），能快速從大量護理紀錄中，抓出像是關鍵用藥、是否使用升壓劑等重要訊息，再結合專為臨床語境訓練的模型BioClinicalBERT，即使紀錄中英文混雜，也能完整分析轉化成預測。

張詠淳強調，NurnaNet不僅能從複雜文字紀錄中抓出關鍵訊息，還能系統化利用這些臨床現場的觀察與經驗，真正轉化為提升病人安全的工具，為智慧醫療帶來全新可能。

北醫大護理學院副院長邱曉彥指出，目前在加護病房常見的重症評估系統如APACHE II，大多只能預測病人在住院期間的病情發展，但對出院後的風險判斷較難掌握，NurnaNet正好補足這個空缺，有助醫療團隊在病人出院前就先預判風險，及早規劃回診、追蹤與照護策略，降低再入院與死亡風險。

☆健康新聞不漏接，按讚追蹤粉絲頁。
☆更多重要醫藥新聞訊息，請上自由健康網。

不用抽 不用搶 現在用APP看新聞 保證天天中獎　 點我下載APP　 按我看活動辦法