中國醫藥大學團隊利用AI深度學習，包括遞迴神經網路及長短期記憶模型，建立起了較傳統更準確的STEMI判讀模型，並結合對12項心律不整的判斷……

| 中國醫藥大學附設醫院心臟血管系 陳科維醫師、張坤正副院長 |

隨著醫療發展進步，平均年齡逐漸老化，心血管相關疾病已成為危害人類健康的重要疾病，其中急性心肌梗塞是最高風險的病症之一，許多患者在未送醫前即已死亡，因此及早發現與診斷心肌梗塞患者是臨床上非常重要的議題。

急性心肌梗塞屬於急性冠狀動脈綜合症(Acute coronary syndrome, ACS)的一部分，急性冠狀動脈綜合症有三種形式，包括ST段上升型急性心肌梗塞(ST-segment elevation myocardial infarction, STEMI)、非ST段上升型急性心肌梗塞(Non ST-segment elevation myocardial infarction, NSTEMI)及不穩定型心絞痛(Unstable angina, UA)。其中急性心肌梗塞即心肌缺血造成急性的心肌損傷，症狀包含胸痛、呼吸短促、冒冷汗等。心電圖表現STEMI代表的是相對應區域的冠狀動脈血管已達完全堵塞或接近完全堵塞，心室壁全層的心肌細胞開始缺氧壞死，如果沒有儘速恢復血流將造成永久性的心臟損傷以及更高危的致命性心律不整與急性併發症風險，如心因性休克、心臟穿孔與心包填塞等。

▌高風險預警 + STEMI心電圖判讀 兩階段輔助決策

目前在台灣，醫學中心與區域醫院已多可馬上施行緊急心導管與冠狀動脈介入治療。因此STEMI病人進入急診必須馬上接受心電圖檢查確定診斷，會診心臟專科醫師及啟動心導管小組，儘速打通病患阻塞的冠狀動脈。從患者進入急診到心導管手術將冠狀動脈血流恢復的這段時間稱為D2B (Door to Balloon time)，一般國際上的標準為90分鐘內。然而，現實醫療環境下仍然會有一些患者以不典型症狀（如無力，噁心、嘔吐等）表現以致沒有早期接受心電圖檢查，或是在接受心電圖檢查後因一線人員判讀的不及時或不正確而使得D2B時間大幅延遲。為改善這項問題，本團隊利用人工智慧深度學習，包括遞迴神經網路(Recurrent Neural Network)及長短期記憶模型(Long Short-Term Memory)，建立起了較原有之心電圖專家系統更準確的STEMI判讀模型，並結合對12項心律不整的判斷及急診檢傷的自動高風險評分系統ASAP score，成為一套全方位的“24/7急性心肌梗塞智能輔助心電圖診斷平台“，並於2020年6月正式於中國醫大附設醫院上線。其結果大幅縮短了心肌梗塞高風險患者到院後接受心電圖檢查的時間，以及明顯減少了值班時段的Door to Cath Lab時間，而達成進一步縮短D2B時間的效果。

▌技術強項與優勢

1. 掃描高風險來診患者，即時執行心電圖不漏接
急診檢傷的自動高風險評分系統“ASAP score”以常見之心血管危險因子：Age, Sex, Atypical symptoms與Past history（過往病史）對來診患者進行自動篩選，遇有高風險發生心肌梗塞的病患即發出警示，提示應於10分鐘內執行心電圖，減少“漏接”風險。

2. AI輔助準確判讀，即刻回饋
以長達10年的完整胸痛中心資料庫結合資深心臟科醫師經驗，所訓練出的AI模型判讀能力可達專科醫師等級，相當於一位24小時待命、隨時研判心電圖的心臟科醫師。並將判斷結果透過簡訊立即傳送給值班醫師，減少一線人力負荷。

▌開放那些合作項目?