在今天上午成果发表会中，新竹台大分院内科部主任赖超伦演示文稿指出，临床上常使用抗凝血药物预防脑中风，但这类药物可能增加出血风险，轻微如牙龈出血、痔疮出血等，最严重则可能面临肠胃出血、脑出血等危机。 过去对「中间值」族群容易高估风险，导致部分病人其实不必吃药却还是吞了，反而增加出血几率。赖超伦表示，新AI的强项正是在这些「模棱两可」的风险族群中发挥作用，清楚划分风险边界，让该吃药的人不漏接、不该吃的人少受罪，达到「该出手时才出手」的精准医疗。 台大医院研究团队利用台大医院集成数据中心2007至2016年间、共9511位新诊断心房颤动病例进行开发，并通过双模型设计，在预测准确度与模型透明性之间取得平衡，避免AI沦为无法解释的「黑箱」。 研究团队进一步将模型套用于新竹台大分院（1300位）与云林分院（1242位）的病例进行验证。结果证实，该模型在不同临床场域中皆具备极高的适用性与稳定性，展现了跨院应用的潜力。 此外，研究导入可解释性分析技术，清楚呈现各项风险因子的影响方向与权重。医师不仅能获得风险预测数值，更能理解其背后原因，有助于医病沟通与临床决策。 赖超伦比喻，传统评估工具像「硬尺」，只看年龄、性别与既往病史，准确率仅约6成，而新模型像「会弯的皮尺」，纳入肺病、肝病与用药史等多元信息，准确率大幅提升近9成。 这项研究突破了传统临床评分工具的局限，成果在今年4月7日正式发表于数字医疗领域排名第一的「npj 数字医学」（npj Digital Medicine）期刊。 全台估计35岁以上成人约15万到20万人暴露在心房颤动风险中。赖超伦表示，心房颤动患者罹患中风的风险约为一般人的5至10倍，但抗凝血剂一年约有2%的出血风险，如果病人的中风风险不到2%，吃药反而更危险，就未必值得用药，这正是AI能帮忙精算的关键时刻。 台大团队说明，这套架构主打「可解释性」，让医师看得到AI脑袋里的逻辑，进而创造个人化的医疗决策，目前处于回溯性研究阶段且待更多临床验证。赖超伦表示，这只是个开始，未来希望能让更多医疗AI落地，真正实践健康平权。（编辑：陈清芳）1150410