藉由ICT實現術後照護　讓醫護人員工作負荷驟降

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。