執行醫院(主責)：高雄長庚醫院
執行醫院(合作)：阮綜合醫院、屏東基督教醫院
委託機構：高雄長庚醫院呼吸治療科
國際登錄連結(ClinicalTrials.gov)及案件編號：無
整體進度(案件申請中/評估中/執行中/已結案)：執行中
專案中文摘要：
病人因呼吸衰竭使用侵襲性呼吸器(Mechanical Ventilator, MV)在加護病房(Intensive Care Unit, ICU)是常見的。早期嘗試脫離MV和成功拔管可以降低醫療成本和呼吸器相關併發症的風險，同時改善患者的預後。評估患者是否適合嘗試脫離呼吸器和成功脫離呼吸器需要客觀評估肺部氧合、通氣、通氣力學、營養、呼吸肌肉力量、呼吸驅動、呼吸功、通氣儲備以及是否使用升壓劑及鎮靜劑等。從使用MV到成功脫離呼吸器通常需要經歷三個步驟：準備測試、嘗試脫離和成功脫離。然而脫離呼吸器的過程因病情變化充滿複雜性。臨床決定病患是否能嘗試脫離呼吸器以及通常由醫師自行決定，因此已經建立和評估了各種呼吸器脫離的標準，以增加成功脫離率。儘管遵從美國胸科醫學會制定的戒斷流程，但在台灣ICU患者中脫離呼吸器失敗率仍然高。隨著機器學習模型的發展，已有許多研究利用機器學習 預測最佳脫離呼吸器以及拔管時間。然而這些研究儘管在驗證及測試集當中表現優異，但實際運用在臨床上之 表現仍欠佳。探討其中原因發現大多數研究輸入機器學 習模型之特徵值僅限鄰床常見監測數值，並未考量動脈 血液氣體數據、電解質、肝腎指數等。納入更多臨床特徵並利用人工智慧特徵篩選與自動化超參數優化工具，以建立更優化的機器學習模型。