賴昭翰、黃敏信、陳奇業、洪昌鈺、李俊毅、孫永年

加護病房中經常可以觀察到不正確的氣管內管(endotracheal tube)位置，這種情況可能造成危險。我們使用1,842張成人插管患者的胸部X光，由兩名專科認證的重症醫師一起對氣管內管末段和氣管分叉進行手動執行分割標記(segmentation labeling)，開發深度學習演算法，可以在移動式X光機所拍攝的胸部X光上偵測氣管內管尖端(tip)和氣管隆突(carina)，並測量氣管內管－氣管隆突之間距離。結果表明，深度學習自動偵測演算法在偵測氣管內管尖端和氣管隆突與測量氣管內管－氣管隆突之間距離方面可以匹配甚至超越第一線重症臨床醫護人員的表現。使用深度學習演算法對臨床的具體或潛在效益包含：準確的定位、提高效率、在患者床邊提供即時結果等，深度學習演算法可以發揮作用去補充和增強重症臨床醫護人員的能力，通過降載他們的常規負荷，使他們能夠專注於認知要求更高的工作。除了臨床應用，深度學習演算法可應用在教育訓練，提供醫學生和住院醫師有效途徑了解氣管內管錯位在胸部X光上的型態。