兒童過敏風險也能被預測？林口長庚紀念醫院姚宗杰醫師組跨領域團隊，研發出「運用人工智慧建立兒童過敏疾病個人化風險評估之臨床決策系統」，透過分析1,500位學齡兒童的人口學、臨床、遺傳和生物資訊數據，結合機器學習策略，可精準預測兒童的過敏風險，準確率高達97%。

過敏是兒童常見的慢性疾病，包括氣喘、過敏性鼻炎、異位性皮膚炎等，不僅影響兒童的健康與生活品質，更對家庭及社會造成沉重負擔。然而，現行過敏風險評估主要依賴醫師經驗，缺乏客觀標準，且不同醫師間的評估結果可能存在差異。此外，傳統的風險評估方法也無法全面考慮個體差異，難以提供精準的個人化風險預測。

多面向數據分析，打造個人化過敏預測模型

此決策系統的核心是一個深度學習模型，整合分析多種不同類型的資料，包括一般數值資料和類別資料。首先，系統先對1,500位學齡兒童的原始資料進行清洗和校正，確保數據的準確性。接著，將人口學資料、臨床危險因子、流行病學危險因子以及遺傳因子等多面向資料進行編碼，轉換為機器可分析的格式。透過深度學習模型，系統能夠從這些複雜的資料中學習並分析各項資料對預測結果的影響程度，進而建構出個人化的過敏風險預測模型。換言之，此模型不僅考慮單一危險因子的影響，更綜合評估多種因素之間的交互作用，從而更精準地預測個體的過敏風險。目前，該模型在異位性過敏的預測上準確率高達97%，且經過十次交叉驗證，穩定性極佳，不易受到資料變動的影響。

姚宗杰醫師表示，此決策系統不僅能精準預測兒童的過敏風險，更重要的是，它能提供可解釋的風險評估結果，讓醫師更清楚了解影響過敏風險的各項因素，進而制定更精確的個人化治療方案。他強調，AI的應用將有助於提升兒童過敏疾病的診斷和治療品質，減少誤診和治療失敗的風險，並減輕醫療團隊的負擔。

AI醫療再升級！可望推廣至線上平台

團隊目前已將該模型與網站技術結合，建構出線上兒童過敏預測網站雛形(KARATE)，可於隨身電子設備上使用。未來，團隊將繼續優化AI模型，結合更多元的數據和機器學習方法，打造完善的線上預測平台，進一步輔助臨床醫師精準判讀，提升兒童過敏疾病的醫療品質。

詳細資訊→運用人工智慧建立兒童過敏疾病個人化風險評估之臨床決策系統|林口長庚醫院姚宗杰醫師|第20屆國家新創獎