【直击Web科技最前线：台湾大学和台大医院】网络科技催生开放资料，API整合AI加速精准医疗

网络技术让资讯传播更快速，也强化了资料的连接和使用，比如透过API串接开放资料和数据，再利用AI来分析、预测。曾任台大医院医务秘书暨资讯长、现任台大资工系教授赖飞罴就在这届大会中，分享了台大团队近几年如何利用开放资料、AI和大数据，来发展个人化精准医疗服务。

API打通任督二脉，打造准确率近9成的AECOPD风险预警系统

首先，台大锁定慢性阻塞性肺病（COPD），要透过开放资料、生理数据和电子病历，来打造一个急性发作（AECOPD）的风险预测模型。

在资料处理上，台大设置了一个数据库，来整合不同来源的数据。这些数据分为两种，第一是开放资料，比如台湾气象开放资料、LASS环境网络感测系统的开放资料，再来是不同装置传送的资料，像是空气盒子、智能手机和智慧手环等，透过各自的API串接到数据库。

这些数据进入数据库后，还会连同台大医院的临床资料，一起传送至自行开发的AI风险预测模型。而分析后的结果，会同时通知使用者和院方。

在模型建造上，台大首先收集了去年3月至今年2月以来，65位COPD患者的临床资料。这些资料包括了英国医学研究委员会的mMRC评估表、COPD评估测试表CAT，团队用来训练了数十个模型，来预测AECOPD的发生概率。

在这个过程中，“我们也找出了判断ARCOPD的重要特征，”赖飞罴举例，像是步数、楼层数、距离、心律等。

接着，台大将模型打造为临床试验工具，利用环境资料、生活数据和患者电子病历，来预测患者未来7天AEROPD的发生率。该试验自去年4月开始至今年2月，结果发现，模型准确率达87.7%。

不只如此，团队也同时进行另一个试验，只利用环境开放资料和患者日常生活数据，来预测AECOPD概率。结果发现，“模型准确率达87.4%。”

网页分享AI实力，ICD-10编码自动转换任你试

除了以开放资料和API来打造疾病预警系统，台大团队也利用网络，来分享自家开发的国际疾病分类标准ICD-10编码自动转换系统。

所谓的ICD-10编码转换系统，是指将医师原本的诊断文字说明，自动换换为ICD-10编码。

ICD-10共7码，可分为ICD-10 CM诊断码和ICD-10 PCS手术处置码等两种。ICD-10 CM中间有个分隔号，将前三码和后四码隔开。因为，前三码为疾病类别，第四到第六码是病因、解剖部位、严重程度，第七码则是延伸补充。

而ICD-10 PCS并没有间隔号，自第一码到最后一码，分别是科别、器官部位、手术目的、更详细的部位、手术方式、材料、修饰。因此，要自动转换并不容易，因为文字说明中，常出现中英夹杂、拼法错误等问题。虽然如此，团队还是收集了近2年半的资料，包括14,602个ICD-10 CM、9,780个ICD-10 PCS，还有25万笔的训练和验证资料，来训练模型。

这个模型是改良版回归模型GRU，拥有近2万个超参数，可针对ICD-10 CM和PCS分类预测。此外，团队也采用注意力模型，来强化关键字义的理解力。

经验证，ICD-10 CM分类模型的精确度评估指标F1-Score达0.68，ICD-10 PCS的则是0.58。赖飞罴坦言，模型能有这样的表现，已不容易。而台大团队也不藏私，将自家打造的分类预测器，释出网页版（Web ICD10 predictor-GRU），来让大家使用。