成大医院导入检疫平板与武汉肺炎AI，全套检疫作业快4倍

在1月23日小年夜这天，街道上熙熙攘攘，许多人早已离开工作岗位，回家准备过年。然而，在成功大学医学院附设医院（简称成大医院）中，仍有一群人聚集在会议室，盯着墙上的战情资讯看板，兢兢业业地讨论著。

他们，就是成大医院防疫团队的核心人物，以院长为指挥官，带领了副院长以及站在第一线的感染科主任、临床医师，还有在幕后以IT推动防疫工作的资讯长团队等数十人。这天，正是成大医院武汉肺炎战情资讯看板上线的第一天，也是卫福部成立中央流行疫情指挥中心成立后的第三天。

这个战情资讯看板，汇集了关键的疫情动态消息，也是成大医院每天早晨防疫会议的决策参考。资讯看板由六个大屏幕组成，首先是台湾的疫情现况，斗大的数字清楚显示确诊人数、通报个案等，还有台湾确诊个案的地理分布图，辅以卫福部的最新消息来补充。再来，则是世界疫情资讯与确诊统计图，可掌握各国动态，每分钟更新两次。

接着是成大医院院内的最新疫情摘要，包括院内通报个案、待检验人数、确诊个案、排除人数等关键讯息，另也附上院内排班表，可一眼掌握第一线医护人员的工作状态。

另一个屏幕，显示著成大医院院内急诊与加护病房（ICU）的病床资讯，以一张图表即时呈现每张病床的状态和病人状况，方便决策者调配资源。再来是院内的物资存量统计系统，涵盖口罩、护目镜、防护衣等资源，“特别是成大医院拥有5,000多名医护人员，后来口罩供不应求时，系统每天更新2、3次，来快速调配物资，”推动防疫关键IT应用的核心人物、成大医院资讯长蒋荣先说。

以战情资讯看板为核心，病历自动化改善检疫流程痛点

在过年前就启动的，不只是战情资讯看板这个核心系统，还有一系列的防疫计划。比如，成大团队在医院入口皆设置了红外线体温感测装置，用来确认入院人员是否发烧；团队也从无到有，在短时间内，快速搭建了急诊室外8个帐篷检疫站，要是入院民众耳温超过37.5度，或是有上呼吸道症状且本身或家人有中国旅游史，就会由专员带到临床检疫站，进一步处理。

作法1：搭建武汉肺炎临床检疫站
成大医院自农历年前，就启动一系列防疫计划，首先是在急诊室外搭建8个临床检疫帐篷，让耳温超过37.5度的民众，或是有上呼吸道症状且自身或家人具中国旅游史的民众，在此处进行检疫，以决定是否须进行病毒RNA筛检。

这些检疫站可说是医院第一道防线，在农历年初就正式运作了。虽然，团队在短时间内就推出检疫相关配套措施，但仍有改进空间。像是，检疫流程很花时间、人力，当民众进入检疫站，还须仰赖护理人员一问一答、人工填写检疫表格，再输入至电脑系统，才能建档，以便后续追踪。“这个作法，难免增加护理人员被感染的风险，”蒋荣先表示。

为解决这个痛点，团队也快速拍板，从检疫站的第一步改善。为提高效率，成大医院导入了几十套平板电脑，来取代原本需要手写的检疫表格，让进入检疫站的民众，可于平板电脑上，自行输入旅游史、职业史、接触史和群聚史等防疫必问的TOCC内容。资料填妥送出后，便直接汇入医院电子病历系统，医护人员就可即时查看。

作法2：采用平板达到病历自动化
为了降低交叉感染风险、提高资讯串接效率，成大医院将检疫站中，原本需要护理师一问一答、人工填写的检疫表单电子化，提供平板，由民众自行输入，之后再透过酒精来消毒。而填妥的资料，就会直接上传至医院电子病历系统，供医护人员即时查阅。

“如此作法，不只是病历自动化，也能降低护理人员交叉感染的风险。”蒋荣先指出，相较于纸笔，平板在每次使用后，就会以酒精消毒，减少感染风险。

以半年智慧医疗专案为基础，开启武汉肺炎X光片AI计划加速检疫

除了从硬件下手，成大医院也锁定胸腔X光片判读，要透过AI辅助、找出疑似武汉肺炎病症，来加速医师判读的时间。这项武汉肺炎AI专案，由蒋荣先与成大医院胸心血管放射线科主任蔡依珊来推动。他指出，原本的检疫流程是民众进入检疫站后，须拍摄胸腔X光片，再由医师判读、找出疑似武汉肺炎的病症，以决定是否要进行RNA病毒筛检。

不过，由于一人不只拍摄一张X光片，“如果检疫民众人数较多，医师就需花更多时间，来判读X光片。”这样一来，不只造成医师疲劳，民众也须长时间等待。而成大医院整套检疫流程跑下来，就要2个多小时。

因此，为提高检疫效率，成大医院团队决定自行开发武汉肺炎AI。专案团队整合了成大半年前组织的智慧医疗专案团队，包括成大资工所与成大医院影像医学部，以当时研发的自发性气胸AI预警系统为基础，来发展新AI判读模型。

这次，团队着手改良了史丹佛大学机器学习小组的CheXpert-1开源模型，并利用美国国家卫生研究院（NIH）释出的胸腔X光片资料集，取其中3,000张有无肺炎病症的影像，来进行模型预训练。

接着，团队再以成大医院标注的2,000笔资料，包括500笔具肺炎病症正样本，以及1,500笔无肺炎病症的负样本，来微调这套AI模型。最后，再利用医院最近收集的92笔疑似武汉肺炎（COVID-19）的胸腔X光片，来进行验证。

尝试失败找出症结，武汉肺炎X光AI工具成功上线

“很可惜，AI辨识效果始终不理想，”蒋荣先表示。对此，团队也与临床医师来回讨论，归纳出最有可能的原因，“就是开源资料集的影像品质参差不齐。”他解释，由于公有资料集的影像，来自不同等级的医院，而这些医院拍摄的影像目的不尽相同、影像品质也随之不同，标注水准良莠不齐，影响了AI模型的表现。

后来，团队进一步调整策略，来改善模型辨识能力。首先，团队采用深度学习中容错性较高的ResNeXt-1架构，来训练、调整AI模型。再来，在特征提取工程中，则加入了Squeeze-and-Excitation Network（SENet）网络架构，来让“模型更专注于重点资讯。”此外，团队也采用Feature Pyramid Network（FPN）网络，来增强模型的感知视野，强化模型对大小不一的病症辨识能力。

另一方面，由于武汉肺炎案例仍属少数，团队也遇到了训练资料正样本不足的问题。为此，团队以两个方法来解决，首先，由于正样本数量少、不易精准预测病症定界框（Bounding Box），于是，团队将原本的定界框预测任务，转换为影像语义分割（Segmentation）任务。

再来，团队采资料增强（Data Augmentation）方法，来增加训练资料，也就是随机将影像放大、缩小、左右旋转、水平翻转，或是倾斜、调整明暗对比；然后将影像随机裁切为320 x 320，并在每一次迭代中，随机进行影像调整。这个方法，可避免模型过度训练（Overfitting），也能增加稳健性（Robustness）。

调整过后，接着，团队再利用成大医院额外标注的1,245份胸腔X光片，包含553分正样本与692分负样本，来训练这套AI模型。

完成训练后，团队也以医院近期收集的122笔疑似武汉肺炎病症资料，来验证模型辨识能力。结果显示，AI模型对训练集和测试集的敏感度（Sensitivity），分别是91.4％与76.9％，特异度（Specificity）为92.5％、90.8％，准确率（Accuracy）则是92％与89.8％。这个表现，“与院内专业医师判断相当，”蒋荣先说。

这项武汉肺炎AI专案从2月初启动，短短两周就完成开发和测试，近期也正式进入第一线，作为检疫站临床医师的小帮手。蒋荣先表示，这套AI可在检疫民众拍摄胸腔X光片后，0.1秒内找出病症位置，并以热区图（Heatmap）标示病症之处，同时以颜色呈现罹武汉肺炎的概率，再由医生确认。

作法3：借助AI加速肺部X光片判读
为加速判读时间，成大医院团队开发一套武汉肺炎判读AI，可将X光片中疑似病症标示出来，并以颜色显示患病概率（大于0.5即为高风险），再由医师确认。本示意图显示，经AI判读，患武汉肺炎概率为0.28，非高风险族群。

有了它，整趟检疫流程从原本的2个小时，缩短为30分钟不到。不只大幅缩短检疫流程，“这套AI系统，还可辅助其他专科医生或资浅的医生，来判读胸腔X光片，”蒋荣先指出。

精益求精，还要导入迎宾机器人攻病历自动化2.0

至今，成大医院检疫流程已大幅精进，不过，团队仍继续思考改良之道，还要更上层楼；其中之一，就是目前评估要导入的迎宾机器人。蒋荣先指出，成大医院每日都在衡量疫情变化，“我们思考，要是未来疫情加剧，会在检疫站口导入国产Zenbo机器人，一方面迎宾，一方面辅助检疫民众在屏幕上输入TOCC资料。”

在他看来，相较于全副武装的医护人员，能歌能舞的迎宾机器人，不只能带给检疫患者亲切的第一印象，也能引导患者输入病历资料，或提供其他有帮助的检疫医疗资讯。反过来说，当疫情更加严峻时，迎宾机器人也能减少医护人员与检疫民众的接触，进而降低感染风险。

作法4：以Zenbo机器人达到病历自动化2.0（建置中）
目前，成大医院团队也正评估导入Zenbo机器人，作为检疫站中，兼具迎宾功能，也能让检疫民众填写旅游史、职业史、接触史和群聚史等资料，并串联医院电子病历系统。

不只如此，这套机器人，也是成大医院未来长照与居家照护的策略重心。两年前，成大成立科技部AI生技医疗创新研究中心，引进了Zenbo机器人，由蒋荣先与成大AI生医长照研发团队，来开发机器人背后的自然语言知识库与相关AI应用，目的是要将Zenbo打造为陪伴照护型机器人。

蒋荣先指出，机器人的目标是要协助医师，提醒长者用药资讯，并同时透过蓝牙穿戴装置，记录长者生活状况，像是血糖、饮食、运动等。除此之外，还要能陪长者聊天、读新闻，甚至要结合医疗云端平台，将机器人记录的数据上传，来进一步分析并提供给医护人员或营养师参考。

就现阶段而言，这款机器人已可做到聊天对话、读新闻、提供相关卫教资讯等，也可透过长者亲属或照护人设定，来自动计算用药提醒时间，让长者按时服药。目前，成大也已部署20多台机器人，于台南市社区及药局进行测试。与此同时，团队也正研发一套影像辨识AI模型，要来分析长者的脸部表情，进一步了解被照护者的情绪。如此一来，机器人就能根据长者的情绪，来进行不同的问候。

除了在硬件上下功夫，医疗影像AI也是成大医院着墨的另一大领域。蒋荣先指出，成大医院一年所产生的医疗影像，就超过3,400万张，其中有Ｘ光片、电脑断层扫描、心电图、核磁共振影像、超音波影像等。在他看来，如此庞大的资料量，是AI在医疗影像领域上发光发热的最佳条件；透过精准的医疗影像判读AI，可减少放射科医师判读大量影像的负担。

近几年，成大与成大医院团队联手，纷纷于肿瘤科、心脏科、放射科、重症医学科、妇产科、肠胃消化科和急诊科等科别，导入实验性的AI计划。其中一项，便是蔡依珊主导的非典型缺血性心肌梗塞AI，可在心脏主动脉电脑断层扫描（CT）影像中，透过AI告诉医师，在一份医疗影像中，不是只有一个故事；也就是除了判断主动脉剥离之外，还可以确认病人是否患有非典型缺血性心肌梗塞。就初步成果来看，模型准确率达84％，且与院内表现最好的医师相比，只相差4％。未来，成大团队还要开发更多医疗影像AI，作为医生辅助诊断的有力工具。文⊙王若朴