中國醫藥大學附設醫院心臟科梁馨月主任團隊，成功研發智慧化冠狀動脈疾病偵測系統，利用深度學習模型，在短短一分鐘內分析運動心電圖數據，準確判斷冠狀動脈阻塞程度，大幅提升心臟病篩檢效率與精確度。

深度學習模型助力精準判讀，加速診斷流程

傳統運動心電圖判讀耗時費力，具經驗之主治醫師通常需要約3至5分鐘確認，而經驗較淺的醫師須花費15分鐘以上的時間且易有疏漏。本系統是由心臟科醫師標記在六個月內同時有執行運動心電圖及心導管手術之患者，與人工智慧中心工程師進行AI演算法開發訓練及優化。本系統透過深度學習模型分析超過3500筆資料，結合患者年齡、性別、BMI、最大心率、休息心率、最大心率壓力乘積、最大負荷、最大ST段偏移及ST/HR指數等多項參數，並利用卷積神經網路（CNN）和長短期記憶模型（LSTM），對運動心電圖進行全面分析，能在一分鐘內提供判讀結果，輔助醫師做出更快速、準確的診斷，其AUC達到0.882，準確率高達0.789，展現出卓越的判讀能力。

自2021年5月上線以來，系統已協助判讀超過2300筆運動心電圖，平均每月服務超過300名患者。目前系統已整合至中國附醫院內系統，每60秒自動確認是否有新增運動心電圖，臨床醫師能在看診時即時取得AI輔助報告，大幅提升診斷效率。未來更計畫擴展至其他醫療機構，造福更多患者。

智慧醫療再進化，AI輔助系統提升醫療品質

梁馨月主任表示，在過去胸悶不適之病患來到診間，經檢查到確認可能會需要兩週時間。藉由AI輔助系統，技術員可於檢查當場得知病人是否有嚴重冠狀動脈疾病，進而建議病人盡快回診，因此AI不僅能減輕醫師負擔，更重要的是能讓患者及早接受治療，提高存活率。團隊也持續精進系統，例如透過XML檔案回推PDF轉檔，增加歷史資料量，並針對運動時心電圖監測可能遇到的干擾問題，如身體晃動、流汗等，研發更穩定的數據收集方法。未來，團隊將持續精進AI模型，並擴大資料庫規模，以提升系統的判讀能力和泛化性，同時也將積極與其他醫療機構合作，推廣這項創新技術，讓更多患者受惠於AI輔助診斷帶來的便利與效益。

詳細資訊→智慧化冠狀動脈疾病偵測系統: AI輔助運動心電圖判讀|中國醫藥大學附設醫院梁馨月主任|第20屆國家新創獎