藉由ICT实现术后照护 让医护人员工作负荷骤降

2016/11/28 - DIGITIMES企划

经由云端、移动化、大数据、物联网所驱动的智能医疗风潮，已开始蔓延到愈来愈多医疗院所，甚至有医院斥钜资建造智能医院，不管在就医导览、自动协助报到系统，乃至对温度、二氧化碳的实时监控，皆予人耳目一新之感。

但台大医院医务秘书兼信息室主任赖飞罴认为，智能医疗的精髓仍应环绕在诊断过程，因此需要援引大数据、电子病历(EMR)，辅以患者当下的生命徵万亿，才足以精准判断病灶；除此之外，移动载具、云端等技术日益精进，则可望显着降低医护人员的作业负担，甚至取代昂贵的红外线、影像等仪器设备，对于提升诊断效率与品质多所助益。

台大医院基于从事线上医疗的经验，推估1位个管师必须照护多达200位病患，才会符合成本效益，堪称是不可能的任务，故有必要采取自动化措施，例如由电脑程序自动判读心电图有无问题，以便于依据疾病的严重程度进行排序，便于个管师能将有限的时间与精力投注在刀口上；在此前提下，台大医院突发奇想，意欲探讨是否有自动化的机制与工具，帮助术后患者有能力照顾自己，遂启动了相关研发计划。

至于前述计划的做法是，让术后返家休养的患者，可以利用智能移动设备对着患部拍照，接着回传台大医院，再由院方的自动化系统做影像分析、萃取特徵值，初步划定手术伤口的边缘范围，判别哪些部位属于皮肤，哪些部位属于伤口，再进一步检视伤口有无发炎、长脓或坏死等不良现象，如果有，则立即通知病患进行回诊。

赖飞罴指出，综观前述过程，有几个机制相当重要。首先是边缘侦测机制，台大医院运用两套主要工具，其一是Canny Edge Detection，借此找出扩充点(Extension Point)，另一则是用以还原整个边缘的演算法；其次是肤色区域侦测(Skin Region Detection)机制，其间利用电脑技术进行HSV肤色范围的演算。

再者则是创伤区隔(Wound Segamentation)的优化机制，期初撷取效果还不够完整，尔后藉由电脑辅助不断调整Threshold，逐渐能清楚判别哪些是伤口、哪些是皱纹，现今甚至可做到排除刺青。

当然也有人提出疑问，即使透过电脑科技搭配相关演算法，可以做到捕捉出大致轮廓，但确实的比例正确与否，也是一大问题。为此台大医院进行了Precision-Recall量测，推导出的敏感度高达95.5%，至于阳性预测值(Positive Predictive Value)则为79.7%，皆落在颇为正确合理的水准。

赖飞罴透露，为了推动此项计划，台大医院也运用机器学习的支持矢量机(Support Vector Machine；SVM)技术，先算出特徵，再灌输大量数据施以训练，才让系统愈来愈聪明，得以精准判别皮肤上的哪些徵状，究竟是红斑、肿胀、化脓抑或坏死，最终据此判读该患者是否出现创伤感染现象，而这项判读系采取分级模式，级别由高而低依序为强烈、怀疑、可能、没有等四级，属于最高级别者，几乎可判定已遭受感染无误。

综上所述，运用智能科技，将可有效术后伤口及相关的营养照护，并持续监控患者诸如体重、引流量等特徵表现，必要时也可促成病患与医护人员立即对话，堪称线上医疗领域的一大进步。


图说：台大医院医务秘书兼信息室主任赖飞罴教授。