长庚医院从病历大数据揪出冠心症猝死倾向，可提早数年来预防

在台湾，心脏和脑血管疾病是全国第二与第四大死因，而“冠心症就是造成猝死的原因。”林口长庚纪念医院检验医学部主治医师王信尧指出，虽然发作时间短得让人措手不及，“但冠心症其实是经年累月而来的疾病，比如持续3、5年不良生活习惯，才会造成。”判断冠心症的传统方法，多半是透过心电图、冠状动脉电脑断层扫描、心导管检查等，但王信尧发现，这个疾病的形成，其实从患者历年的抽血健检和病历资料就可看出。也因此，他与同事运用长庚医院数十年的大数据，开发了一套冠心症预警系统，可提早揪出冠心症趋势，即早给予患者治疗。

从更全面的角度看数据，不用医疗影像就能揪出冠心症倾向

定期的健康检查可预防疾病发生，一般医院健检会产生各项数值，比如血糖、血压、高低密度胆固醇等。王信尧表示，传统医院诊断时，偏向单变量分析（Univariable analysis），也就是从个别较高的检验值，来推断罹患特定疾病的概率。

但他认为，许多检验值，其实都与心脏血管疾病息息相关，应该要从更全面的角度来诊断。因此，他与团队采多变量分析（Multivariable analysis）方法，利用林口长庚过去十年累积的20几万笔资料，包括接受心血管标志筛选套组的成年人电子病历资料与临床资讯，像是性别、年龄、身体质量指标、高血压病史、糖尿病史、血脂、糖化血色素、微白蛋白等近20项病理资讯，来训练一套冠心症预测系统，可根据民众健检数值，来预测未来数年罹患冠心症的风险，进而给予相关建议和疗法等。

这套系统耗时1年打造，在初始开发阶段时，王信尧坦言，团队并不晓得哪种程式语言和算法最适合疾病预测，因此，在语言上，他们尝试了R与Python，而在学习方法上，则尝试了机器学习和深度学习。

最后，团队发现：“传统统计的逻辑回归（Logistic regression）和线性回归（Linear regression）表现还不错，深度学习反而会造成过度拟合（Overfitting）。”王信尧指出，这套系统准确率约8成，目前正在医院内部不断测试，但已取得中华民国专利。

50万笔蛋白质大数据，靠AI分辨致病细菌类型对症下药

另一方面，王信尧也利用长庚大数据，与团队开发另一套微生物特性的鉴定AI，要快速辨识出感染疾病的微生物特性，来判断抗药性，让医生对症下药、给予正确的抗生素来治疗。

王信尧指出，一般治疗感染疾病的病人，通常要先透过仪器检验，比如用质谱仪检验病人的痰，从中找出致病细菌，再根据细菌的抗药性来开药。虽然质谱仪隔天可以得到致病细菌的检验结果，但是，医生要判读资料来找出合适的药物，仍需3天以上的时间。所以，医生得在病患就诊当下，先凭经验开药，待检验结果出炉后，再针对致病微生物另外开药。

为了缩短正确开药时间，王信尧团队自2年前开始，就利用长庚既有的50万笔质谱仪蛋白质资料，来设计、训练AI算法，来从上千个蛋白质特征中，挑出特定的特征，来判断细菌特性，经过一步步优化、扩大细菌判读种类，今年，医生只需上传检验资料后，系统就能快速判断出致病细菌，以及该用或不该用何种药物治疗。他指出，这套系统可将开药时间缩短为1天，在内部测试上，准确率达9成以上，也取得中华民国专利，预计明年进入临床阶段。文◎王若朴