利用機器學習技術建立急診非ST上升型心肌梗塞病人90 天內再入院智慧預測系統

心血管疾病為國人十大死因之第三位，並連續蟬聯十大死因前三名已18年，其中冠狀動脈心臟病為最大宗，每年死亡人數約占全球總死亡人數的13%；急性冠心症是冠狀動脈心臟病中最為緊急嚴重者，依心電圖ST波段上升與分子生物標記有無判斷，主要可分為ST上升型心肌梗塞、非ST上升型心肌梗塞以及不穩定型心絞痛等三類，其中非ST上升型心肌梗塞因患者具高度異質性，病情可能自行緩解，也可能惡化成為ST上升型心肌梗塞甚至死亡，因此後續如何正確分流處理，是非常重要的問題，目前雖然已有相關的風險評分方法，但尚未能解決此一課題，以國內為例，研究顯示，急診患者中的非ST上升型心肌梗塞患者一年內的死亡率反而較更嚴重的ST上升型心肌梗塞患者為高(10.1% vs. 6.1%)。本計畫預計與洛克霍思特公司合作發展一套智慧預測系統模式，首項研究標的為精確地將心血管疾病(Cardiovascular Diseases/CVDs)中的非ST上升型心肌梗塞(Non ST-elevation Myocardial Infarction，NSTEMI)病患依照風險由高至低區分，以90天內再入院機率為切點，減少急診室中因留觀之外更有用的建議；本計畫預計分為三個階段執行，第一階段為臨床資料收集、第二階段為模型訓練與部署並與現有其他評分系統做比較、第三階段為擴大資料規模做進一步驗證及修正，並進行導入醫療資訊系統的準備評估工作，以利臨床試驗之進行。此系統將可成為改善非ST上升型心肌梗塞高風險患者醫療品質以及減少低風險患者醫療支出的有效工具。