CAE

心跳停止事件預後評估系統 


急診室醫師面對緊急心跳停止事件 (cardiac arrest event, CAE) 的病患,經常需要採取低溫治療措施,藉此降低腦部受到永久性傷害的機率然而,進行低溫治療需綜合考量病患的生理數值與醫學影像等資料,藉以作出精確判斷。因此,關於低溫治療措施的挑戰,在於建立一套「心跳停止事件預後評估系統」,以輔助醫師在緊急情況下作出精準醫療處置。

國立臺灣大學 MeDA Lab 王偉仲教授團隊,與國立臺灣大學醫學院附設醫院急診部黃建華主任團隊合作,致力於開發「心跳停止事件的預後評估系統」。本系統利用先進人工智慧技術,深入分析心跳停止後各個症候的相關表現,同時剖析生理數據及醫學影像等多重信息。本系統包含利用電腦斷層影像評估腦部損害及預測神經學預後模式、腦波評估腦部損害及預測神經學預後模式、預測心跳停止病人神經學預後模式、建立多模式聯合 (multimodal) 預測模式等,提供急診室醫師作為評估參考指標,以達到臨床上最佳化治療效果,進而改善病人預後狀況、增進病患安全及醫療效率。

圖一▲ 心跳復甦之昏迷病患透過模型預後預測與治療建議之流程示意圖。

患高血壓心臟病的患者心跳停止倒地,經心肺復甦後,該患者生命徵象恢復但持續昏迷。由於心跳停止事件可能伴隨腦水腫症狀,因此在事件發生後 24 小時內,對患者進行腦部電腦斷層掃描。此影像資料進入本團隊研發之「心跳停止事件預後評估系統 」AI 輔助判別流程。系統首先會擷取影像中與腦水腫相關之重要特徵,例如腦室大小及灰白質比值,接著將生理數據及醫學影像等多重信息特徵,帶入多模式聯合模型計算。此聯合模型利用神經網路及機器學習方法,提供預後預測與治療建議。若判斷預後不樂觀,即表示低溫治療效果有限,則建議醫師採取其他更適合病患的治療策略,也優化醫療資源的分配。