文／黄星若

心房颤动是最常见的一种心律不整，更是引发脑中风的主因之一。虽说病患可用抗凝血药物避免脑中风发生，但却可能带来脑出血副作用，如何在预防中风与减少药物出血风险之间取得精确平衡，一直是临床治疗的重大挑战。

台大医院与新竹台大分院跨领域团队，近期成功开发出一套具可解释性的人工智慧（AI）模型，可精准预测心房颤动患者未来一年内发生缺血性脑中风的风险，准确率高达近九成，让用药不再需要为难。研究成果并已发表于国际顶尖期刊《npj Digital Medicine》。

根据统计，脑中风高居2024年国人十大死因第四位，每年夺走超过12,000条性命，而心房颤动患者的中风风险更高达一般人的5～10倍。

新竹台大分院内科部主任赖超伦指出，临床上，抗凝血药物虽能有效降低中风风险，但同时也可能带来出血副作用，包括牙龈出血、肠胃出血，甚至脑出血等严重风险。整体而言，使用抗凝血剂每年约有2%的出血风险。

传统风险评估工具只看年龄、性别与既往病史，准确率仅约六成，对于模棱两可的中间值风险族群常出现高估情形，使部分实际风险不高的患者仍被建议用药，反而增加出血风险。

台大医院研究团队建立的AI模型，打破传统风险评分工具的固定加权方式，在个人资料与既往病史之外，还纳入肺病、肝病与用药史等多元资讯，动态调整各项风险因子的权重，使预测结果更贴近个人化需求，准确率大幅提升至九成。可清楚区分风险，让用药决策更准确。

研究团队以台大医院整合资料中心2007～2016年间共9,511位新诊断心房颤动患者资料进行模型建构，并于新竹台大分院及云林分院进行外部验证。结果证实，该模型在不同医疗场域中皆具备高度稳定性与适用性，显示未来具备跨院应用潜力。

赖超伦表示，该模型透过双模型设计，在预测准确度与模型透明性之间取得平衡，避免AI沦为无法解释的“黑箱”。此外也特别导入了“可解释性分析技术”，可清楚呈现各项风险因子的影响方向与权重，医师不仅能取得预测数值，更能理解其背后原因，有助于临床判断与医病沟通。

台大公卫学院副院长杜裕康表示，AI的价值不仅在于预测准确，更在于其透明性与可信度，唯有让医师理解模型逻辑，才能真正落实于临床决策。随着医疗AI持续发展，未来有望进一步落实精准医疗，让治疗决策不再一体适用，而是根据每位患者的独特风险，提供最合适的照护方案。

责任编辑：杨正敏#