【記者劉書妤綜合報導】根據衛生福利部統計，心臟疾病高居民國107年國人十大死因第二位。心電圖為診斷心臟疾病之重要依據，然而目前的心電圖自動判斷機會有一定比率誤差，於是元智大學資訊管理學系副教授謝瑞建，率領資管系醫療資訊暨遠距醫學實驗室學生研發一種特殊計算方式——「『心算』心電圖特徵智能計算」，將人工智慧（Artificial Intelligence, AI）導入診斷機以增加準確率。 元智大學團隊作品「心算」心電圖特徵智能計算，於「2019全國移動互聯創新大賽」獲一等獎。　圖／洪劍源提供此作品透過AI精準辨識心電訊號特徵「P, QRS, T」（註），可應用於醫院中最普遍存在的十二導程心電圖機，提供更準確的診斷服務。過往的心電圖自動診斷機正確率約為70％，將此種AI計算方式導入診斷機後，其使用方式仍和一般無異，但正確率提高至94％。註：典型的心電圖波形由一個P波、一個QRS波群、一個T波組成。P波代表心房收縮，QRS波組是心室收縮，T 波則是心室舒張。透過人工智能辨識影像的技術已行之有年，但過往多應用於點陣圖影像，如物體檢測或人臉辨識。團隊中協助心電訊號資料分析的台北榮民總醫院內科部醫師韓志陸說：「不同於一般辨識所用的點陣圖影像，心電圖檢查是依據機器輸出的原始向量資料。」因此團隊於國軍桃園總醫院設立伺服器以收集病患的原始資料，並將其交由元智團隊開發的AI軟體判讀，比對專業醫師與軟體判讀心電圖的結果，逐步修正並改進作品。 上圖為真實的心電訊號特徵，綠色是P波，粉紅色是QRS波，藍色是T波；而下圖則為該團隊的心算模型預測出的結果。兩者圖形近乎一致。　圖／洪劍源提供「多數（生產心電圖機的）廠商有其獨特的判讀演算法，出廠後甚少更新，也很少接受用戶的回饋改進。」協助心電訊號資料分析的國軍新竹地區醫院院長楊仲棋說，因此他認為傳統大廠的演算法非最佳化的優化演算法。而國軍新竹地區醫院智慧醫療專員陳宗宏則認為，此作品特點在於，以去除雜訊的原始資料判讀而非圖形，可避免在救護車上測量心電訊號時，因晃動或意外因素造成心電圖失真的情況。團隊成員洪劍源說：「主要的困難在於一開始缺乏心臟方面的醫學知識，導致在數據標註方面有點不準確。」因成員非醫學專業領域，需仰賴兩位醫師協助標註時序心電訊號特徵。此外，洪劍源表示，目前已成功應用於持續及間歇性心房顫動的診斷上，未來期望逐漸擴展至其他心血管疾病的診斷。輔仁大學醫學系學生葉峻銘提到，心電圖是常見的臨床診斷工具，操作簡單，但診斷困難，目前該模型的診斷主要針對心房顫動，若能擴展到其他心臟相關疾病，對臨床來說將為一大的助益。