文章介紹
對於那些需要依賴呼吸器，來維持生命的重症患者來說，何時能成功脫離呼吸器（拔管），是一個非常關鍵的醫學判斷。為了解決這個問題，黃國揚團隊嘗試結合「邊緣運算（Edge Computing）」和「機器學習（Machine Learning）」這兩項先進技術，讓電腦透過學習大量的醫療數據，開發了一套能「即時預測病人是否能順利拔管」的人工智慧系統，目的是幫助加護病房的醫師做出更準確的決策，減少拔管失敗帶來的併發症與醫療資源浪費。
這次研究透過「邊緣運算」技術，直接在病人身旁的裝置上，即時分析呼吸器的數據（像是潮氣量、呼吸頻率、氣道壓力等），不需等資料送回中央伺服器再計算，這樣可以大幅降低延遲、減少資料傳輸量高達 83.33%，也提升整體系統的穩定性與安全性。
黃醫師團隊使用了兩種常見的機器學習演算法來訓練模型：Random Forest 和 XGBoost。結果發現 XGBoost 的表現普遍較好，不論在準確率還是計算速度上都比較優異。
這項技術的好處是，僅需呼吸器上的數據，不必另外蒐集生命徵象，也不需更換呼吸器型號，只要能連上網路即可使用，有助於未來在不同醫療機構快速推廣應用。
黃醫師團隊認為，這項結合「邊緣運算 + 機器學習」醫療 AI 系統的研究，能有效幫助臨床醫師做出更即時、準確的拔管決策，進而提升病人康復機率，減少醫療負擔，是智慧醫療在重症照護上的重要突破。
恭喜黃醫師！
現今技術成熟的大環境下，如何在自己的專業領域，找到創新應用的方法？重點就是不能只在自己的圈圈，有時候跨一個領域，整個加乘效果會滿大的。一起來看講師怎麼說！
