記者楊艾庭／綜合報導
36歲的張先生睡眠時鼾聲雷動，睡眠無法持續，也造成家人無法安睡，在家人建議下前往中國醫藥大學附設醫院就醫，耳鼻喉科專家團隊初步評估後，張先生需要進行睡眠多項生理功能檢查 (Polysomnography, PSG)。因中國附醫睡眠中心的床位限制，需等待檢查時間超過一個月，故當時至他院接受標準睡眠檢查，中醫大附醫耳鼻喉科鄒永恩主任判讀報告發現，張先生患有睡眠呼吸中止症。
故在接受扁桃腺手術治療後，由中醫大附醫臨床團隊與人工智慧中心共同開發的「居家睡眠檢測系統」進行術後追蹤，大幅縮短檢查排程效率，以輕便簡易的裝置，居家就可將檢測結果上傳雲端，運用AI大數據建構的人工智慧模型，快速分析心電圖，以此持續追蹤後續病況，輔助醫師判斷其治療成效，結果顯示張先生的睡眠呼吸中止症已獲得改善，有效提升睡眠品質。
睡眠中心空間限制多 病人容易緊張無法入眠 導致檢測失準
打呼是危險的訊號，研究顯示，50％打鼾者都是先打呼，接著產生睡眠呼吸暫停，可能導致心臟、高血壓、腦溢血、中風等疾病，對生命恐將造成威脅，嚴重者甚至會半夜猝死。中醫大附醫耳鼻喉部喉科鄒永恩主任指出，根據亞洲睡眠協會的調查，台灣有超過20%的人，約近500萬人患有睡眠障礙，然而實際願意接受診療的人數卻遠低於此數字。
由於睡眠中心有其空間限制，能收治病人有限，而睡眠多項生理功能檢查 (Polysomnography, PSG)又需要病人一整晚配戴多種生理感測器：包括腦波圖、眼動電波圖、 下 巴 肌 電 圖 、氣流、氧氣飽和度、心電圖或心跳速率等，多重電線在身上，形同「電線人」，病人更易緊張無法入眠，導致檢測可能失準。此外，睡眠中心亦需備有睡眠技師徹夜監看多種類的生理數據，進行標記與判讀，醫療人力資源需求亦大。
攜帶式AI心電圖測量儀 大幅提升檢測效率
睡眠中心杭良文主任表示，中醫大附醫睡眠中心目前已經使用該檢測系統，在超過100位的臨床受試病人中，以攜帶式AI心電圖測量儀輕便簡易的檢查方式，大幅提升檢測效率，結合後續AI分析心電圖訊號，能輔助醫師更精準辨識睡眠呼吸中止症的病人，協助縮短後續診斷與治療。
中醫大附醫人工智慧中心許凱程主任提到，系統可以根據睡眠呼吸中止發生時的心電訊號變化，使用深度學習方法辨別睡眠中止的嚴重程度。對於睡眠的呼吸中止事件和睡眠覺醒事件(因為呼吸中止而導致睡眠中斷)的偵測分別達到92.7%和93.2%的準確度，而嚴重睡眠呼吸中止症(每小時發生30次呼吸中止)的分類更達到95.8%的準確度。此系統持續進行臨床測試中，後續規劃取得台灣食藥署智慧醫材認證，並導入臨床使用，預期將對睡眠醫學領域產生深遠的影響。
人工智慧中心致力於臨床資料之應用，藉由深度學習的人工智慧技術，利用醫院的醫療資料訓練智慧醫療神經網路模型。這些模型可提供臨床診斷的建議，並結合臨床決策系統，減輕醫護人員臨床工作的負擔。目前中醫大附醫人工智慧中心已取得十數項食藥署智慧醫材認證，將持續地研究和創新，將在智慧醫療領域帶來更多令人期待的突破和演進。
