王彩融、黃俊德、吳杰亮、賴來勳、王敏嫻、廖建倫、林彥男、詹明澄、白鎧誌

加護病房達一半的病患可能發生急性腎損傷(Acute kidney injury, AKI)。AKI進一步惡化及影響其他器官功能，增加住院天數、洗腎風險及死亡率。加護病房的病患病況危急，每分鐘皆可能發生變化，但過去研究缺乏連續性的AKI預測系統，一旦發生AKI後，臨床已難以介入，只能給予支持治療，故發展一連續性，及早預測患者AKI之發生才有機會防患未然，改善重症患者之預後。 本團隊建立急性腎損傷風險預測模型，透過聯邦式學習技術，結合4家合作醫學中心的資料量，提升模型精準度。透過聯邦式學習平台，進行分散式運算訓練，讓各自醫院的數據在不離開自己醫院並各自訓練模型，且透過加密機制，交換模型參數，驗證和提升機器學習模型效能，以建立更高的效能模型並持續進行模型調整，讓模型更加精進，不侷限單一醫院應用。本系統已與院內資訊系統間接，可提供即時風險預測，並以醫療人員為出發點設計出互動式介面，盡早預測患者發生風險之機率，進而改善提升照護品質。 重症照護醫師每日查房，帶領團隊討論，確定處置方向，每天一次或兩次。智慧重症系統導入，除原來例行查房作業，可將專家智慧轉換出來的AI 推論引擎，即時提供提醒並實際落地應用會產生下列優點：(1)引導住院醫師整合判斷，可縮短住院醫師判讀時間預估約30-60分鐘；(2)以腎臟專科醫師發展之急性腎損傷(AKI)預測模型可協助於AKI發生前24小時啟動必要之藥物調整，如抗生素劑量調整、避免或減少腎毒性藥物(如非絕對必要之消炎藥物)之使用。