重症加護病房（簡稱ICU）的患者因需要被密集看護、追蹤，部分患者在出院後一年可能會有病情惡化、再入院，甚至是死亡威脅，能提早判斷、識別高風險族群，並提供適當資源更為重要，北醫大研究團隊分析近1萬7千筆ICU患者的護理紀錄，建構出NurnaNet，可預測病患出院後6個月及2年內的死亡風險。
我是廣告 請繼續往下閱讀
台北醫學大學大數據科技及管理研究所教授張詠淳帶領的研究團隊發表全球首創「深度神經網路系統NurnaNet」，可解析護理記錄並預測病患出院後6個月及2年內的死亡風險，準確率可達8成，讓醫護團隊能提早識別高風險族群，並及早介入、提供出院後照護，進一步有效降低再入院及死亡率。
張詠淳提到，研究團隊利用麻省理工學院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」，可預測病患出院後6個月及2年內的死亡風險。
研究發現，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判別高風險患者準確率最高可達80%，該研究已刊登於國際權威期刊《International Journal of Nursing Studies》。
張詠淳表示，傳統的AI預測模型多依賴結構化電子病歷資料，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判斷。
張詠淳說，研究團隊突破傳統限制，運用自然語言處理技術，開發「關鍵護理描述萃取器」，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，克服傳統AI模型難以處理長篇文字記錄的限制。
我是廣告 請繼續往下閱讀
張詠淳提到，研究結果也讓臨床醫師感到訝異，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。
北醫大護理學院副院長邱曉彥說明，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。