【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