專案詳細資料
說明
美國在2013年因醫療疏失而死亡的人數預估已高達251,000人,是為第三大死因,根據WHO報告,每年有420億是因藥物錯誤所衍生的成本,此為重要的醫療議題,同時WHO也期望在五年內降低50%可避免的嚴重用藥傷害。
許多醫院採用法則式(Rule-based)所建立之臨床決策支援系統,以減少「用藥錯誤」或「跡近錯誤」等事件發生,但在實務導入上有其限制,導致50-90%警示常被忽略、不符成本效益、未具臨床驗證,且未具備持續自我學習功能。
本計畫研究團隊長期投入於智慧型用藥安全系統(AI-enhanced Safety of Prescriptions)的開發,藉由13億的醫療大數據,以機率式(Probabilistic)方法(非監督學習)及強化學習,獲得真實世界醫師處方行為的特徵,進而偵測醫師處方的適當性。本產品使用者醫師接受度50%以上,而專家本產品的認同度達85%以上。
本計畫智慧型藥物安全系統發展與臨床導入,做到加強系統效能、強化學習系統開發、醫療院所相關報告模式、美國醫療院所臨床試驗啟動、商品化與事業化。進而建立品牌產品、提高進入障礙及擴大銷售市場,打造國際級AI醫療新創。
用藥錯誤主要來自疏忽(醫師)和系統問題(藥師/醫院),發生率雖不顯著但預防需要耗費極大的人力成本,為醫療的剛性需求。醫守團隊透過價創計畫的支持,除建構於北醫三家附設醫院,也已於台灣建立實績(共8家醫院曾使用藥安報表服務,並有兩家醫院簽約),也已啟動美國市場,包括即將正式與麻州及加州醫院簽約,及提供藥安報告服務於加州州立醫院等,可謂成果豐碩。另外,本計畫期間即已完成三家公司成立,並接受各知名加速器包括台灣的生醫加速器、交大加速器,美國的哈佛大學育成中心及柏克萊大學官方加速
器,及知名加速器500 Startup等,並獲得種子投資基金。
許多醫院採用法則式(Rule-based)所建立之臨床決策支援系統,以減少「用藥錯誤」或「跡近錯誤」等事件發生,但在實務導入上有其限制,導致50-90%警示常被忽略、不符成本效益、未具臨床驗證,且未具備持續自我學習功能。
本計畫研究團隊長期投入於智慧型用藥安全系統(AI-enhanced Safety of Prescriptions)的開發,藉由13億的醫療大數據,以機率式(Probabilistic)方法(非監督學習)及強化學習,獲得真實世界醫師處方行為的特徵,進而偵測醫師處方的適當性。本產品使用者醫師接受度50%以上,而專家本產品的認同度達85%以上。
本計畫智慧型藥物安全系統發展與臨床導入,做到加強系統效能、強化學習系統開發、醫療院所相關報告模式、美國醫療院所臨床試驗啟動、商品化與事業化。進而建立品牌產品、提高進入障礙及擴大銷售市場,打造國際級AI醫療新創。
用藥錯誤主要來自疏忽(醫師)和系統問題(藥師/醫院),發生率雖不顯著但預防需要耗費極大的人力成本,為醫療的剛性需求。醫守團隊透過價創計畫的支持,除建構於北醫三家附設醫院,也已於台灣建立實績(共8家醫院曾使用藥安報表服務,並有兩家醫院簽約),也已啟動美國市場,包括即將正式與麻州及加州醫院簽約,及提供藥安報告服務於加州州立醫院等,可謂成果豐碩。另外,本計畫期間即已完成三家公司成立,並接受各知名加速器包括台灣的生醫加速器、交大加速器,美國的哈佛大學育成中心及柏克萊大學官方加速
器,及知名加速器500 Startup等,並獲得種子投資基金。
狀態 | 已完成 |
---|---|
有效的開始/結束日期 | 7/1/19 → 6/30/20 |
Keywords
- 人工智慧
- 軟體訂閱服務
- 數位醫療
- 臨床資訊學
指紋
探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。