只要住進重症加護病房（ICU），出院後仍不宜鬆懈，研究證實1年內再度惡化、住院或死亡的比例仍高。台北醫學大學團隊開發出全球首創「深度神經網路系統NurnaNet」，可解讀護理紀錄並預測重症患者出院6個月與2年內死亡風險，最高準確率達80%，有助醫療團隊及早因應。
北醫大大數據科技及管理研究所教授張詠淳表示，團隊運用麻省理工學院的MIMIC-III重症資料庫，分析2001~2012年間約1萬7千筆加護病房病歷，建構出結合自然語言處理的預測系統NurnaNet，其不同於傳統仰賴結構化電子病歷，可藉由專門讀取護理人員記錄的觀察內容，捕捉患者病情的細微變化。
團隊更進一步開發「關鍵護理描述萃取器（CNDE）」，能從長篇文字中快速擷取使用升壓劑等用藥紀錄，並結合臨床專用語言模型BioClinicalBERT，即便中英文混雜，也可精準預測風險；數據顯示，NurnaNet在出院6個月、2年內的預測準確率分別可達80%與70%，成果已發表於國際知名期刊《International Journal of Nursing Studies》。
張詠淳強調，CNDE讀取的「文字證據」反映護理人員第一線觀察，有助彌補傳統AI僅依賴數值欄位的盲點，此技術突破語言障礙與資料限制，有效延伸AI模型應用於臨床，獲得不少醫師高度關注。
北醫大護理學院副院長邱曉彥則說，目前加護病房雖有APACHE II等預測工具，但多半僅針對住院期間風險評估，少有針對出院後死亡機率的分析工具，NurnaNet可協助醫療單位更早掌握潛在高風險病人，並據此調整門診追蹤與照護計畫，降低再入院率與死亡率。
我是廣告 請繼續往下閱讀
團隊更進一步開發「關鍵護理描述萃取器（CNDE）」，能從長篇文字中快速擷取使用升壓劑等用藥紀錄，並結合臨床專用語言模型BioClinicalBERT，即便中英文混雜，也可精準預測風險；數據顯示，NurnaNet在出院6個月、2年內的預測準確率分別可達80%與70%，成果已發表於國際知名期刊《International Journal of Nursing Studies》。
張詠淳強調，CNDE讀取的「文字證據」反映護理人員第一線觀察，有助彌補傳統AI僅依賴數值欄位的盲點，此技術突破語言障礙與資料限制，有效延伸AI模型應用於臨床，獲得不少醫師高度關注。
北醫大護理學院副院長邱曉彥則說，目前加護病房雖有APACHE II等預測工具，但多半僅針對住院期間風險評估，少有針對出院後死亡機率的分析工具，NurnaNet可協助醫療單位更早掌握潛在高風險病人，並據此調整門診追蹤與照護計畫，降低再入院率與死亡率。