利用巨量資料及深度學習預防用藥錯誤

用藥錯誤的發生率為0.5%到5%，預估台灣一年有75到750萬張不適當
處方，美國225到2,250萬張。美國每年需花費300億美元處理用藥錯
誤的醫療問題，而因用藥錯誤導致死亡約為17,500到35,000人。現
階段臨床決策支援系統，在預防用藥錯誤仍有很大改善空間，例如
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。

因此，本計畫主要目標為串連機率式與深度學習模型，以雙和醫院
進行的臨床試驗經驗為基礎，搭配大同醫護豐富的醫療資訊系統資
源，將由主持人開發的用藥安全系統實際導入醫院醫令系統，並納
入其他變數，如醫師科別、病人性別、年齡等，以加強用藥錯誤偵
測的陽性預測率。同時持續蒐集醫師對於提示的回應，以強化學習
(Reinforcement Learning)將回饋數據反饋模型。

本系統目前已於4家醫療院所導入（萬芳醫院、雙和醫院、北醫附醫
、美國AHMC）,共收集超過100,000張處方約170位分別來自22個科別
的醫師參與試驗，警示率約為3%。並藉由大同醫護在醫療及照護市
場的專業，將警示介面更新至V2.0版本，同時將系統反應時間由原
先的平均4秒多減至約0.05秒，以確保不影響醫師看診流程。並邀請
12位專家，針對本系統之不同科別的建議進行處方再評估，針對
938個提示，３位醫師中有2兩位醫師認同提示的比率為70％以上
，故本研究執行後能夠透過此模型系統有效地自動偵測不適當的處
方開立，減少用藥錯誤，進而改善病人安全和提升醫療品質。