頻道logo
限制級
您即將進入之新聞內容 需滿18歲 方可瀏覽。
根據「電腦網路內容分級處理辦法」修正條文第六條第三款規定,已於網站首頁或各該限制級網頁,依台灣網站分級推廣基金會規定作標示。 台灣網站分級推廣基金會(TICRF)網站:http://www.ticrf.org.tw

心房顫動中風風險預測更精準 台大醫院打造「可解釋AI」登頂尖期刊

2026/04/10 10:58

賴超倫醫師指出,AI模型則像「柔軟的皮尺」,可隨不同病人條件動態調整權重,同一風險因子甚至可在不同個體呈現正負不同影響,讓評估更貼近個人實際狀況。(記者羅碧攝)

賴超倫醫師指出,AI模型則像「柔軟的皮尺」,可隨不同病人條件動態調整權重,同一風險因子甚至可在不同個體呈現正負不同影響,讓評估更貼近個人實際狀況。(記者羅碧攝)

〔記者羅碧/台北報導〕心房顫動患者是否該服用抗凝血藥,長期是臨床最困難的抉擇之一。台大醫院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頂尖期刊《npj Digital Medicine》。

新竹台大分院內科部主任賴超倫表示,心房顫動是常見的慢性心律不整,容易在心房形成血栓,一旦血塊脫落進入腦部,就可能造成缺血性中風。臨床上雖可透過抗凝血藥降低中風風險,但同時也會增加腸胃出血甚至腦出血風險,「醫師每天都在兩種風險之間做選擇」。

他指出,現行國際常用的風險評估工具,多以心衰竭、高血壓、年齡、糖尿病及中風病史等因子進行固定加權評分,雖有助臨床判斷,但對於處於臨界值的患者,仍存在「該不該用藥」的灰色地帶。

為突破限制,研究團隊運用台大醫院2007至2016年間9511名新診斷心房顫動患者資料,建立AI模型,並進一步於新竹台大分院1300例及雲林分院1242例進行跨院驗證。結果顯示,相較傳統評分工具約0.6的判別力,AI模型可提升至約0.88,大幅提高高低風險分類準確度。

賴超倫形容,傳統評分工具如同「用硬尺量身」,每個因子權重固定;AI模型則像「柔軟的皮尺」,可隨不同病人條件動態調整權重,同一風險因子甚至可在不同個體呈現正負不同影響,讓評估更貼近個人實際狀況。

他進一步指出,AI模型納入用藥史、肝病、肺病等更多臨床變項,也能呈現風險因子的影響方向,讓醫師不僅看到結果,也能理解原因,提升臨床信任度,避免人工智慧淪為黑箱。

研究也發現,在部分個案中,AI評估結果可改變治療決策。例如年輕患者在傳統評分下需用藥,但AI評估風險較低,可轉為與醫師討論是否用藥,避免不必要的出血風險。

賴超倫強調,人工智慧的角色並非取代醫師,而是模擬資深醫師的臨床判斷,協助年輕醫師快速掌握複雜決策邏輯,讓醫療從標準化走向個人化。

台大醫院表示,此研究不僅提升預測準確度,更強調「可解釋性」與臨床可用性,為醫療AI落地提供關鍵一步,也為精準醫療發展奠定基礎。

賴超倫醫師發表其研究成果。(記者羅碧攝)

賴超倫醫師發表其研究成果。(記者羅碧攝)

台大醫院跨院合作研究刊登國際頂尖期刊。(記者羅碧攝)

台大醫院跨院合作研究刊登國際頂尖期刊。(記者羅碧攝)

☆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

讀者留言

發燒新聞

載入中