文章介紹

燒傷範圍從輕微的醫療問題到嚴重的危及生命的情況不等。燒傷的嚴重程度和部位，決定了治療方式。儘管輕微燒傷可能可以在家中治療，但嚴重燒傷需要醫療干預，有時需要在專門的燒傷中心護理。葉敬淳醫師團隊利用人工智慧（AI）與機器學習（ML）預測燒傷患者可能出現的不良效應。

研究納入 2010 年至 2019 年間入住奇美醫療中心的燒傷患者。研究使用了 14 個特徵，包括先前的併發症和實驗室結果等資訊，用於建立預測皮膚移植手術、住院時間延長和總體不良效應的模型。整體而言，70% 的數據用於訓練 AI 模型，剩餘的 30% 用於測試。並採用隨機森林、LightGBM 和邏輯回歸三種 ML 算法，評估指標包括準確性、靈敏性、特異性和 AUC。

結果發現在這項研究中，經過 224 名患者評估，隨機森林模型的 AUC 在預測住院時間延長（>14天）方面最高，為 81.1%，其次是 XGBoost（79.9%）和 LightGBM（79.5%）模型。此外關於是否需要皮膚移植，隨機森林模型有最高的 AUC（78.8%），而關於不良併發症的發生，隨機森林模型和 XGBoost 模型均有最高的 AUC（87.2%）。

根據具有最高 AUC 值的最佳模型，設計了一個 AI 預測系統，並集成到醫院資訊系統中，以幫助醫生做出決策。

AI 技術展現出卓越的能力，可以預測燒傷患者的住院時間延長、是否需要皮膚移植以及是否發生總體不良併發症。葉敬淳醫師團隊的研究建構了一個新型預測模型，可以無縫融入醫院資訊系統，增強臨床決策，加強醫生與患者的交流。

• PubMed
• Article on Diagnostics

恭喜葉醫師！

想乘著 AI 熱潮做研究，卻發現自己不懂學術寫作嗎？來看看蔡校長的建議：

• 聽說 ChatGPT 對論文寫作非常有用，但實際連上網站，怎麼應用比較理想？

閱讀更多 »