文／黃星若
心房顫動是最常見的一種心律不整，更是引發腦中風的主因之一。雖說病患可用抗凝血藥物避免腦中風發生，但卻可能帶來腦出血副作用，如何在預防中風與減少藥物出血風險之間取得精確平衡，一直是臨床治療的重大挑戰。
台大醫院與新竹台大分院跨領域團隊，近期成功開發出一套具可解釋性的人工智慧（AI）模型，可精準預測心房顫動患者未來一年內發生缺血性腦中風的風險，準確率高達近九成，讓用藥不再需要為難。研究成果並已發表於國際頂尖期刊《npj Digital Medicine》。
破解中間值困境 用藥決策更精準
根據統計，腦中風高居2024年國人十大死因第四位，每年奪走超過12,000條性命，而心房顫動患者的中風風險更高達一般人的5～10倍。
新竹台大分院內科部主任賴超倫指出，臨床上，抗凝血藥物雖能有效降低中風風險，但同時也可能帶來出血副作用，包括牙齦出血、腸胃出血，甚至腦出血等嚴重風險。整體而言，使用抗凝血劑每年約有2%的出血風險。
傳統風險評估工具只看年齡、性別與既往病史，準確率僅約六成，對於模稜兩可的中間值風險族群常出現高估情形，使部分實際風險不高的患者仍被建議用藥，反而增加出血風險。
台大醫院研究團隊建立的AI模型，打破傳統風險評分工具的固定加權方式，在個人資料與既往病史之外，還納入肺病、肝病與用藥史等多元資訊，動態調整各項風險因子的權重，使預測結果更貼近個人化需求，準確率大幅提升至九成。可清楚區分風險，讓用藥決策更準確。
強化可解釋性 提升臨床信任與應用
研究團隊以台大醫院整合資料中心2007～2016年間共9,511位新診斷心房顫動患者資料進行模型建構，並於新竹台大分院及雲林分院進行外部驗證。結果證實，該模型在不同醫療場域中皆具備高度穩定性與適用性，顯示未來具備跨院應用潛力。
賴超倫表示，該模型透過雙模型設計，在預測準確度與模型透明性之間取得平衡，避免AI淪為無法解釋的「黑箱」。此外也特別導入了「可解釋性分析技術」，可清楚呈現各項風險因子的影響方向與權重，醫師不僅能取得預測數值，更能理解其背後原因，有助於臨床判斷與醫病溝通。
台大公衛學院副院長杜裕康表示，AI的價值不僅在於預測準確，更在於其透明性與可信度，唯有讓醫師理解模型邏輯，才能真正落實於臨床決策。隨著醫療AI持續發展，未來有望進一步落實精準醫療，讓治療決策不再一體適用，而是根據每位患者的獨特風險，提供最合適的照護方案。
責任編輯：楊正敏#
留言