台大打造「可解釋AI」　精準預測心房顫動中風風險

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，臺大醫院總院與新竹臺大分院組成跨領域研究團隊，成功開發出具備「可解釋性」的人工智慧預測模型。研究成果已正式發表於數位醫療領域排名第1的權威期刊《npj Digital Medicine》。

當病人被診斷為心房顫動，醫師面臨的關鍵問題在於是否需要使用抗凝血藥物預防中風。然而，抗凝血治療雖能降低中風風險，卻同時增加出血風險，因此如何精準評估個別病人的中風風險，成為臨床決策的核心。

AI模型更像「柔軟的皮尺」

臺大醫院研究團隊指出，現行臨床常用的風險評分工具雖簡單易記，但多採固定加權方式，如同以「硬尺」衡量個體差異，難以精準反映每位病人的真實風險。相較之下，本研究建立的AI模型，更像「柔軟的皮尺」，可依據病人的年齡、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。
臺大醫院研究團隊利用臺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臺大分院（1300位）與雲林分院（1242位）的病例進行驗證。結果證實，該模型在不同臨床場域中皆具備極高的適用性與穩定性，展現了跨院應用的潛力。(推薦閱讀)寵物用人藥新制配套進度落後惹議　農業部：若無共識不排除延後

象徵醫療決策由標準化邁向精準化與個人化的重要轉變

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。研究亦檢視模型在不同性別與病史族群間的表現一致性，降低潛在偏差風險，回應醫療AI在公平性與健康平權上的重要議題。
臺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。