北醫大全球首創 護理紀錄估重症出院後死亡風險

台北醫學大學發表全球首創「深度神經網路系統NurnaNet」，可解析護理紀錄，並預測病患出院後6個月及2年內死亡風險，準確率可達8成，讓醫護團隊能提早識別高風險族群。

重症加護病房患者不僅住院期間需要被密集看護、追蹤，部分患者在出院後1年內，仍有病情惡化、再入院甚至死亡的威脅，如何提早判斷識別高風險族群，並提供適當的醫護資源極為重要。

台北醫學大學今天透過新聞稿表示，其大數據科技及管理研究所教授張詠淳帶領研究團隊，利用美國麻省理工學院MIMIC-III重症醫療資料庫，分析2001年至2012年近1萬7000筆ICU患者護理紀錄，建構「NurnaNet」，預測病患出院後死亡風險，研究登上國際權威期刊「International Journal of Nursing Studies」。

張詠淳表示，傳統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紀錄蘊含病情變化、第一線觀察及專業判斷，這些大量非結構化文字紀錄極具參考價值，能提供更精準的判斷。

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」，快速擷取護理紀錄中最關鍵的資訊。

團隊並結合專為臨床語境設計的預測訓練模型，克服傳統AI模型難以處理長篇文字紀錄的限制。張詠淳強調，研究結果也讓臨床醫師感到訝異，例如能針對護理紀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等。

張詠淳強調，這套預測模型的建立為全球首創，且研究團隊使用自然語言處理技術，透過AI從繁雜的文字紀錄，找出可能與病患存活率相關之訊息，突破過去AI難以判讀非規則性的大量文字敘述的限制。研究結果更發現，此系統預測高風險患者出院6個月以及2年內的死亡風險，準確率最高可達80%。

北醫大護理學院副院長邱曉彥指出，目前鮮少有可以預測高風險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，並擬定調整後續的回診與照護計畫，以降低患者再入院與死亡風險。