王嬿婷 報道
新加坡中央醫院與杜克—國大醫學院以人工智能技術研發新預測儀器和模式，僅五分鍾就能預測敗血症死亡風險，准確度高達九成以上。
9月13日是世界敗血症日，每年全球各地有超過500萬人死于這個並發症。敗血症指的是當任何感染，如肺炎、泌尿道或皮膚感染導致身體出現極大反應，以致細胞組織受損，甚至死亡。我國2019年有近5000人因肺炎和泌尿道感染引發敗血症致死。
若不及早發現與救治，感染可在幾小時到幾天內迅速惡化或演變成低血壓休克，死亡率增至50％。由于醫生難以從發高燒或上吐下瀉等症狀判定病情嚴重性，目前最准確的敗血症死亡率預測方式就是讓病患進行血檢，一般得花兩到四小時等待化驗結果。
爲了提升預測速度和准確度，中央醫院與杜克—國大醫學院研究團隊攜手研發新預測模式，通過人工智能分析臨床資料與心率變異數據，僅五分鍾就可算出敗血症病患的死亡風險。
研究團隊分析了342名21歲及以上的敗血症患者資料後研發出預測模式。這些患者曾在2014年9月至2017年4月之間到過中央醫院急診室求醫，當中19％住院30天內死亡。
研究發現，敗血症病患一般還未出現明顯症狀前，心率已失調，因此預測模式分析的資料包括心電圖（ECG）所測出的心率變異數據，主要測量心跳頻率的變化。
研究團隊也在今年5月推出約手機般大小的心電圖檢測儀，可鏈接至安裝好預測模式的平板電腦。
通過另一種新穎方式，研究員可在五分鍾內分析心率變異數據，納入預測模式。
中央醫院急症科高級顧問醫生王英福教授解釋：“比起急診室，綜合診療所和家庭診所不常使用心電圖來檢測，因此我們也希望設計出易用的臨床檢測器。”
研究團隊研發的模式在預測病患下來30天內的死亡風險，准確度超過九成，比現有預測模式約60％至70％的平均准確度來得高。
更有效分配資源照料高風險病患
每年有逾1000名敗血症病患到中央醫院急診室就診，王英福認爲部門若能根據病情的嚴重程度及死亡風險盡快分類病患，就可更有效地分配有限資源以照料高風險病患。
研究團隊目前正擴大研究範圍，從中央醫院和國立大學醫院召集共1100名病患參與研究，以進一步證實模式對于成年人的有效性，以及它在不同場所下的實用性。
考慮到不同病患群體患上敗血症的風險不一，采用的預算法或不同，研究團隊也在竹腳婦幼醫院針對嬰兒展開研究，並會在年底分析研究結果。