【直擊Web科技最前線：臺灣大學和臺大醫院】網路科技催生開放資料，API整合AI加速精準醫療

網路技術讓資訊傳播更快速，也強化了資料的連接和使用，比如透過API串接開放資料和數據，再利用AI來分析、預測。曾任臺大醫院醫務秘書暨資訊長、現任臺大資工系教授賴飛羆就在這屆大會中，分享了臺大團隊近幾年如何利用開放資料、AI和大數據，來發展個人化精準醫療服務。

API打通任督二脈，打造準確率近9成的AECOPD風險預警系統

首先，臺大鎖定慢性阻塞性肺病（COPD），要透過開放資料、生理數據和電子病歷，來打造一個急性發作（AECOPD）的風險預測模型。

在資料處理上，臺大設置了一個資料庫，來整合不同來源的數據。這些數據分為兩種，第一是開放資料，比如臺灣氣象開放資料、LASS環境網路感測系統的開放資料，再來是不同裝置傳送的資料，像是空氣盒子、智慧手機和智慧手環等，透過各自的API串接到資料庫。

這些數據進入資料庫後，還會連同臺大醫院的臨床資料，一起傳送至自行開發的AI風險預測模型。而分析後的結果，會同時通知使用者和院方。

在模型建造上，臺大首先收集了去年3月至今年2月以來，65位COPD患者的臨床資料。這些資料包括了英國醫學研究委員會的mMRC評估表、COPD評估測試表CAT，團隊用來訓練了數十個模型，來預測AECOPD的發生機率。

在這個過程中，「我們也找出了判斷AECOPD的重要特徵，」賴飛羆舉例，像是步數、樓層數、距離、心律等。

接著，臺大將模型打造為臨床試驗工具，利用環境資料、生活數據和患者電子病歷，來預測患者未來7天AECOPD的發生率。該試驗自去年4月開始至今年2月，結果發現，模型準確率達87.7%。

不只如此，團隊也同時進行另一個試驗，只利用環境開放資料和患者日常生活數據，來預測AECOPD機率。結果發現，「模型準確率達87.4%。」

網頁分享AI實力，ICD-10編碼自動轉換任你試

除了以開放資料和API來打造疾病預警系統，臺大團隊也利用網路，來分享自家開發的國際疾病分類標準ICD-10編碼自動轉換系統。

所謂的ICD-10編碼轉換系統，是指將醫師原本的診斷文字說明，自動換換為ICD-10編碼。

ICD-10共7碼，可分為ICD-10 CM診斷碼和ICD-10 PCS手術處置碼等兩種。ICD-10 CM中間有個分隔號，將前三碼和後四碼隔開。因為，前三碼為疾病類別，第四到第六碼是病因、解剖部位、嚴重程度，第七碼則是延伸補充。

而ICD-10 PCS並沒有間隔號，自第一碼到最後一碼，分別是科別、器官部位、手術目的、更詳細的部位、手術方式、材料、修飾。因此，要自動轉換並不容易，因為文字說明中，常出現中英夾雜、拼法錯誤等問題。雖然如此，團隊還是收集了近2年半的資料，包括14,602個ICD-10 CM、9,780個ICD-10 PCS，還有25萬筆的訓練和驗證資料，來訓練模型。

這個模型是改良版迴歸模型GRU，擁有近2萬個超參數，可針對ICD-10 CM和PCS分類預測。此外，團隊也採用注意力模型，來強化關鍵字義的理解力。

經驗證，ICD-10 CM分類模型的精確度評估指標F1-Score達0.68，ICD-10 PCS的則是0.58。賴飛羆坦言，模型能有這樣的表現，已不容易。而臺大團隊也不藏私，將自家打造的分類預測器，釋出網頁版（Web ICD10 predictor-GRU），來讓大家使用。