文章介紹
急性胸痛是急診最常見的主訴之一，約占所有急診就診的 8%，但其中真正診斷為急性冠心症（ACS）的病人不到一成。為了安全排除 ACS，臨床上常需要重複抽血檢驗高敏感度心肌旋轉蛋白 T（hs-TnT）並延長觀察，讓病人在急診的停留時間拉長，這也是急診壅塞的重要原因之一。朱紹中醫師團隊希望開發一套具備醫學可解釋性的 AI 模型，只憑第一次的 hs-TnT 檢驗結果，就能協助醫師準確找出 ACS 病人，並可靠地辨識出低風險病人。
研究團隊回溯分析成大醫院急診 2016 年至 2022 年間、檢傷第二級的成人急性胸痛就診資料，共 17,935 人次，分為 ACS 病人（GA）、非 ACS 但需要急性處置或住院的病人（GB1），以及短暫觀察後即可出院的低風險病人（GB2）三類。模型以年齡、性別、6 項生命徵象、4 項血液檢驗與 12 項病史共 24 個變項建立人工神經網路（ANN），以 2016 至 2020 年的資料訓練、2021 至 2022 年的資料測試，並以 SHAP 分析找出影響預測的關鍵變項。
結果顯示，ANN 模型在測試資料中辨識 GA、GB1、GB2 的 AUROC 分別達到 0.942、0.824 與 0.893，表現都優於邏輯迴歸模型。整合三個子模型的多分類器 ANN-S3，辨識 ACS 的敏感度為 0.941，辨識低風險病人的陽性預測值與敏感度則分別為 0.911 與 0.837。SHAP 分析顯示，hs-TnT、冠狀動脈疾病病史、年齡與性別是最具影響力的變項，與臨床經驗相符。回溯比對也發現，實際上接受連續抽血追蹤的低風險病人中，約有八成（1,483/1,840）被模型判定為低風險，可能適合改用單次檢驗的策略。
朱醫師團隊認為，以 ANN 為基礎的分類模型可以協助急診醫師進行急性胸痛的風險分層與處置決策，有潛力縮短停留時間、緩解急診壅塞。不過，即使是提高敏感度的版本，敏感度仍未達單獨排除 ACS 所需的 0.99 以上，因此這套系統應定位為輔助醫師判斷的決策支援工具，而不是獨立的排除工具，實際成效仍需要前瞻性研究來驗證。
恭喜朱醫師！
用比較高階的統計方法處理數據，就能投到高分期刊嗎？一起來看看講師怎麼說。
最新活動
期刊介紹
JMIR Medical Informatics 創刊於 2013 年，是 JMIR Publications 出版的 open access 期刊。2025 年的 impact factor 為 5.0，在 Medical Informatics 領域為 Q2(17/54) 期刊。
朱紹中醫師與新思惟
- 這麼貴值得嗎？真的值得，而且真的有用！（2015/3/8 @ GRSP）
- 強大的前進動力，來自於團隊的正向能量。（2015/11/28 @ MEPA）
- 朱紹中醫師所參加的《教養深度對談》
- 朱紹中醫師所參加的《研究深度對談》
- 從實證醫學的頂端開始，學習實證醫學的基礎。（2019/12/22 @ Meta-analysis）
- [快訊] 朱紹中醫師團隊，分享主動脈竇動脈瘤之個案影像，獲 Annals of Emergency Medicine 刊登！
- [快訊] 朱紹中醫師團隊，系統化 POCUS 教學在 PGY 與住院醫師訓練中的應用之研究，獲 Journal of Acute Medicine 刊登！
- [快訊] 朱紹中醫師團隊，關於國際醫學生透過 POCUS 培養診斷推理之質性研究，獲 BMC Medical Education 刊登！
最新活動