台大研發即時監控系統 慢性阻塞性肺炎可預防

臺灣大學人工智慧技術暨全幅健康照護聯合研究中心轄下的賴飛羆教授團隊藉由人工智慧、大數據、雲端運算智慧裝置等科技，與醫療進行跨域結合，研發出無場域限制的個人化服務平台「AECOPD發作預測系統」可為慢性阻塞性肺病(Chronic Obstructive Pulmonary Disease, COPD)患者提供精準健康照護服務，藉由智慧型穿戴裝置即時監控與預測，為COPD患者進行長期且連續性身體機能評估，預測未來7日急性發作的可能，以提醒及早尋求醫護介入，減少病情因急性發作而造成的憾事。

根據世界衛生組織(WHO)2018年統計，慢性阻塞性肺疾病（COPD）每年約奪走約300萬人的生命，慢性阻塞性肺疾病是一種呼吸道長期發炎導致無法恢復之呼吸道阻塞，使氣體無法順暢進出呼吸道的疾病，由於初期症狀並不明顯，容易被誤認為是感冒或氣喘而被忽略，目前雖無法完全根治COPD，但病患仍可透過不同方式進行預防與控制，如戒菸、避免吸入有害氣體、配合醫院持續用藥、復健與運動等，以減緩症狀與惡化速度，並避免急性發作的可能。

賴飛羆教授團隊以臺大醫療體系為研究場域，強調以醫療應用為主軸，組成臺大醫神團隊，進行臨床AI技術之研發、測試及導入應用，發展精準醫療AI 顧問諮詢服務資訊系統，提供多元且個人化的疾病預防、診治和康復照護建議，以作為醫師醫療決策的輔具，進而提升疾病診治和評估效率水準。

為了降低患者急性發作的風險，COPD患者除了應自我維持良好習慣之外，賴飛羆教授率領臺大醫神團隊打造「AECOPD發作預測系統」，整合穿戴式裝置、物聯網居家環境感測器、雲端照護平台、疾病預測模型、智慧型手機APP等技術建構臺大醫神生活型態觀測平台，協助隨時監測與控制病情，提供臨床醫師在病人出院後仍可掌握病情發展狀況。

研究團隊針對114位COPD病人進行長達一年半長期追蹤評估，導入機器學習模型以輔助疾病發作預測模型之建立，目前AECOPD預測模型準確度可達九成以上，此外研究團隊亦發現，生活型態特徵項與環境特徵項對於預測AECOPD有極大的影響力，若只以生活型態與生活環境資料預測AECOPD，準確度仍可達83.6%，由此可見生活型態與生活環境資料對於精準醫療發展之重要性。

賴飛羆教授表示，臺大醫神團隊的最終目標是期望能藉由AI、大數據等技術串接資訊與數據，搭配穿戴式裝置與智慧型設備的輔助，發展個人化精準醫療服務與平台，減少患者不便，並使其得到最好的醫療服務，來符合未來發展精準健康的目標。