傳統 APACHE、SOFA 評分系統依據的統計資料老舊，無法反映現今臨床環境與病人多元特徵

缺乏即時性與個人化的預測能力，難以支援臨床決策與醫療資源最佳化配置

評分過程繁瑣且需人工判讀，容易受主觀經驗影響，導致評估準確度不足

 技術簡介 

目前對加護病房重症患者的預後評估，常使用 APACHE 或 SOFA 評分系統來評估或預測加護病房死亡率及住院死亡率。然而，這些評分系統已發展多年，所依據的統計資料距今已超過 20 年。如今臨床可收集的數據項目不僅比以往豐富，且更加精細，加上機器分析能力的進步，傳統的評分系統已不足以滿足現代精準預測和個人化醫療的需求。因此，本團隊開發重症病人存活率預測裝置，透過 AI 演算法模型，利用加護病房病人的生理、檢驗、檢查等臨床數據，預測其未來 30、60、90 天的存活率，以提供預後評估及醫療資源分配的參考。

▲圖說：重症病人存活率預測裝置流程圖

▲圖說：AI演算模型評估入住30天、60天及90天的存活率示意圖

 應用案例 

• 於加護病房導入 AI 預測裝置，即時分析病人生命徵象與檢驗數據，預測 30、60、90 天存活率。
• 協助醫師進行重症病人預後判斷，支援病情追蹤與治療策略調整。
• 作為醫療資源分配依據，優化床位調度與護理人力安排，提升整體照護效率。

 相關連結 

無

 專利名稱證號 

• TW I875631
• US 18/901,161

 技術產學合作或技轉單位 

無

 獲獎紀錄 

無

 技術聯絡人 

高雄醫學大學 洪一豪專案副理

連絡電話：07-3121101 ext. 2360

聯絡信箱：R121084@kmu.edu.tw