北醫大全球首創「深度神經網路系統」　預測ICU患者出院後死亡率

▲ICU部分患者在出院後一年內仍然有病情惡化，甚至死亡風險。（圖／取自免費圖庫pixabay）

記者趙於婷／臺北報導

重症加護病房（ICU）的病患需要被密集看護、追蹤，部分患者在出院後一年內仍然有病情惡化、再入院甚至死亡的威脅，對此，臺北醫學大學發表全球首創「深度神經網路系統NurnaNet」，可解析護理記錄並預測病患出院後6個月及2年內的死亡風險，準確率可達8成，讓醫護團隊能提早識別高風險族羣。

北醫大大數據科技及管理研究所張詠淳教授帶領的研究團隊利用麻省理工學院MIMIC-III重症醫療資料庫，分析2001年至2012年近1萬7千筆ICU患者的護理記錄，建構出NurnaNet，可預測病患出院後6個月及2年內的死亡風險。

研究指出，NurnaNet預測患者出院6個月以及2年內的死亡風險AUROC分別達80%與70%的F1-score，意即NurnaNet判別高風險患者的準確率最高可達80%，該研究已刊登於國際權威期刊《International Journal of Nursing Studies》。

張詠淳表示，傳統的AI預測模型多依賴結構化電子病歷（EHR）資料，如生命徵象、病史、檢驗數據等欄目，但由護理人員撰寫的護理記錄蘊含了病情變化、第一線觀察及專業判斷，這些大量非結構化文字記錄極具參考價值能提供更精準之判斷。

因此研究團隊突破傳統限制，運用自然語言處理（NLP）技術，開發「關鍵護理描述萃取器（Crucial Nursing Description Extractor , CNDE）」，可快速擷取護理記錄中最關鍵的資訊，並結合專爲臨牀語境設計的預訓練模型BioClinicalBERT，克服傳統AI模型難以處理長篇文字記錄的限制。

張詠淳強調，研究結果也讓臨牀醫師感到訝異，例如CNDE能針對護理記錄上患者的關鍵用藥、是否使用升壓劑等文字描述綜合判斷，甚至能將報告中重要的中英文混雜文字描述整合至預測模型參考值。

北醫大護理學院邱曉彥副院長指出，目前在加護病房也有使用評估重症患者病情的預測工具如APACHE II，評估患者的生理指標以進一步預測死亡率，但主要針對患者在加護病房或是轉出至一般病房的住院期間，鮮少有可以預測出院後死亡率的工具，這項研究成果可望協助醫療單位提早判斷可能在出院後具高風險的病患，並進一步擬定調整後續的回診與照護計劃，以降低患者再入院與死亡風險。