記者戴淑芳∕台北報導
全台估計35歲以上成人約15萬到20萬人暴露在心房顫動風險中，台大醫院10日發表最新研究成果，開發出具「可解釋AI」模型，精準預測中風風險，並兼顧出血風險評估。
心房顫動是最常見的一種心律不整，更是引發腦中風的主要元兇。為了在「預防中風」與「減少藥物出血風險」之間取得精確平衡，台大醫院總院與新竹台大分院組成跨領域研究團隊，利用台大醫院整合資料中心2007至2016年間、共9511位新診斷心房顫動病例進行開發，並進一步將模型套用於新竹台大分院與雲林分院逾2500名病例進行驗證，結果證實，AI預測準確度較傳統評分工具判別力更高。成功開發出具備「可解釋性」的AI人工智慧預測模型。
這項研究突破了傳統臨床評分工具的侷限，能像「柔軟的皮尺」般，根據每位病人的年齡、病史與用藥紀錄等多元資訊，靈活調整；同一個因素，在不同的病人，可以有正向負向完全不同的加權比重，讓風險評估更貼近個人狀況，為病人量身打造個人化風險評估，邁向真正的精準醫療。研究成果已正式發表於數位醫療領域排名第一的權威期刊《npj Digital Medicine》。
新竹台大分院內科部主任賴超倫表示，台大醫院研究團隊建立的AI模型，打破傳統風險評分工具的固定加權方式，依據病人的年齡、病史與用藥等多元資料，動態調整各項風險因子的權重，使預測結果更貼近個人化需求，實現精準醫療目標。
研究特別建立傳統且具高度可解釋性的「邏輯斯迴歸模型」以及能捕捉複雜關係的機器學習模型（XGBoost），透過雙模型設計，在預測準確度與模型透明性間取得平衡，避免AI淪為無法解釋的「黑箱」。
賴超倫強調，為提升臨床實用性，研究導入可解釋性分析技術，清楚呈現各項風險因子的影響方向與權重，醫師不僅能獲得風險預測數值，更能理解其背後原因，有助於醫病溝通與臨床決策。
台大醫院研究團隊表示，醫療人工智慧的價值，不僅在於預測更準確，更重要的是「是否透明、是否可信、是否能實際應用於臨床」。本研究從傳統「硬尺」式評估，進化為「柔軟皮尺」的個人化預測模式，象徵醫療決策由標準化邁向精準化與個人化的重要轉變。透過跨院合作與真實世界資料驗證，本研究為醫療AI建立一條兼具科學性、可解釋性與臨床可行性的發展路徑。