【記者邱昭華綜合報導】急性腎衰竭是一種常見的臨床疾病，若沒有及早處理，患者可能需長期洗腎或死亡。「一之謂腎－基於CNN-LSTM的AI預測系統，可用於AKI的預防和早期干預」由國立雲林科技大學電子工程系學生團隊研發，利用深度學習模型分析患者尿量，並預測急性腎衰竭的風險。此作品亦在「萬潤2023創新創意競賽」拿下最佳潛力獎。 此圖為系統的硬體裝置，包括尿袋、電子秤、HX711重量感測晶片以及單晶片電腦等等。　圖／陳亮甫提供急性腎衰竭（Acute kidney injury，簡稱AKI）是一種突發性的腎臟功能損傷，當腎臟無法製造足夠尿液、有效排除體內的廢物和液體，血液中的毒物和電解質會不斷累積， 進而對其他器官和造成嚴重影響。目前需依靠人力觀察病患的臨床症狀以判斷AKI發生的可能，台北長庚紀念醫院的顏宗海醫師解釋道：「需要看病人有沒有出現尿液變少、水腫、呼吸困難等狀況。」欣成診所院長陳彥成醫師則表示，很多因素都會誘發AKI，「例如心血管疾病或化療藥物過量等。」因此越早診斷出病因並對症下藥，病人康復的機率就越高。 團隊將系統設置於病床旁，讓醫院只需要一台電腦就能操作所有病床的系統。　圖／陳亮甫提供該系統藉由電子拉力秤上的尿袋來收集病人的尿液後，將每個小時的重量回傳至裝置中，並收集並儲存資料後，針對最近30個小時的尿量變化進行分析。團隊特意採用深度學習訓練系統，讓模型抓取數值差異變化和分析後，開始推測接下來六小時內發生AKI的風險，若尿少狀況持續超過12小時，系統會透過Line通知住院醫師及護理師，讓醫護人員儘早治療。 此圖為AKI緊急通報結果。預測出AKI情形發生，系統會自動傳訊息到醫院的群組通知醫護人員。　圖／陳亮甫提供深度學習是人工智慧的一種方法，可指導電腦處理資料，包括識別圖片、文字、聲音和其他資料的複雜模式，藉此產生更精準的洞察和預測。而此系統也運用深度學習模型，分別是以卷積神經網路（Convolutional neural network，簡稱CNN）用作分析並抓取數值特徵，以及讓長短期記憶網絡（Long short-term memory，簡稱LSTM）負責推測未來的數值變化。雲科大電子工程系學生陳亮甫説：「雖然LSTM也能做到分析和預測，但是結合CNN可以更有效、更精確。」他表示，團隊訓練出來的模型準確率達到99％。雖然這套系統可以檢測急性腎衰竭的風險，但陳亮甫認為現在以尿液重量為標準的模型還不夠精準，「如果能獲取每小時的肌酸酐數值，可以讓模型的預測更加準確。」肌酸酐是由肌肉代謝產生的廢物，只能透過抽血檢測，若肌酸酐偏高，也代表腎臟功能衰退，因此團隊希望未來能朝向此方向改善。陳彥成建議：「這套系統可讓第一線醫療人員作為治療的參考，有望減少人力成本。」若要居家照顧及安養機構使用，則較適合應用在高風險的病人。 圖為這套系統的實作流程圖，系統從前30小時的數值推測後六小時發生AKI的風險。　圖／陳亮甫提供