藉由ICT實現術後照護 讓醫護人員工作負荷驟降

  • DIGITIMES企劃
台大醫院醫務秘書兼資訊室主任賴飛羆教授。

經由雲端、行動化、大數據、物聯網所驅動的智慧醫療風潮,已開始蔓延到愈來愈多醫療院所,甚至有醫院斥鉅資建造智慧醫院,不管在就醫導覽、自動協助報到系統,乃至對溫度、二氧化碳的即時監控,皆予人耳目一新之感。

但台大醫院醫務秘書兼資訊室主任賴飛羆認為,智慧醫療的精髓仍應環繞在診斷過程,因此需要援引大數據、電子病歷(EMR),輔以患者當下的生命徵兆,才足以精準判斷病灶;除此之外,行動載具、雲端等技術日益精進,則可望顯著降低醫護人員的作業負擔,甚至取代昂貴的紅外線、影像等儀器設備,對於提升診斷效率與品質多所助益。

台大醫院基於從事遠距醫療的經驗,推估1位個管師必須照護多達200位病患,才會符合成本效益,堪稱是不可能的任務,故有必要採取自動化措施,例如由電腦程式自動判讀心電圖有無問題,以便於依據疾病的嚴重程度進行排序,便於個管師能將有限的時間與精力投注在刀口上;在此前提下,台大醫院突發奇想,意欲探討是否有自動化的機制與工具,幫助術後患者有能力照顧自己,遂啟動了相關研發計畫。

至於前述計畫的做法是,讓術後返家休養的患者,可以利用智慧型行動裝置對著患部拍照,接著回傳台大醫院,再由院方的自動化系統做影像分析、萃取特徵值,初步劃定手術傷口的邊緣範圍,判別哪些部位屬於皮膚,哪些部位屬於傷口,再進一步檢視傷口有無發炎、長膿或壞死等不良現象,如果有,則立即通知病患進行回診。

賴飛羆指出,綜觀前述過程,有幾個機制相當重要。首先是邊緣偵測機制,台大醫院運用兩套主要工具,其一是Canny Edge Detection,藉此找出擴充點(Extension Point),另一則是用以還原整個邊緣的演算法;其次是膚色區域偵測(Skin Region Detection)機制,其間利用電腦技術進行HSV膚色範圍的演算。

再者則是創傷區隔(Wound Segamentation)的優化機制,期初擷取效果還不夠完整,爾後藉由電腦輔助不斷調整Threshold,逐漸能清楚判別哪些是傷口、哪些是皺紋,現今甚至可做到排除刺青。

當然也有人提出疑問,即使透過電腦科技搭配相關演算法,可以做到捕捉出大致輪廓,但確實的比例正確與否,也是一大問題。為此台大醫院進行了Precision-Recall量測,推導出的敏感度高達95.5%,至於陽性預測值(Positive Predictive Value)則為79.7%,皆落在頗為正確合理的水準。

賴飛羆透露,為了推動此項計畫,台大醫院也運用機器學習的支持向量機(Support Vector Machine;SVM)技術,先算出特徵,再灌輸大量數據施以訓練,才讓系統愈來愈聰明,得以精準判別皮膚上的哪些徵狀,究竟是紅斑、腫脹、化膿抑或壞死,最終據此判讀該患者是否出現創傷感染現象,而這項判讀係採取分級模式,級別由高而低依序為強烈、懷疑、可能、沒有等四級,屬於最高級別者,幾乎可判定已遭受感染無誤。

綜上所述,運用智慧科技,將可有效術後傷口及相關的營養照護,並持續監控患者諸如體重、引流量等特徵表現,必要時也可促成病患與醫護人員立即對話,堪稱遠距醫療領域的一大進步。