基本資料 Basic Information

填報醫院 Hospital	新北市立土城醫院(委託長庚醫療財團法人興建經營)
聯絡人姓名 Contact Person Name	林淑娟
聯絡人單位 Contact Person Department	醫事行政組
聯絡人電子郵件 Contact Person Email	mandy0701@cgmh.org.tw

AI模型基本資料 AI Model Basic Information

AI模型名稱 AI Model Name	人工智慧輔助氣腹判讀系統 (A deep learning-powered novel artificial intelligence algorithm and system to assist in the identification of pneumoperitoneum on abdominal computed tomography)
應用領域 Application Domain	急診醫學科 Emergency Medicine
AI模型狀態 AI Model Status	正式上線 In Production
AI模型摘要 AI Model Summary	使用於腹部電腦斷層攝影，由病人影像中萃取出重要判別特徵並用於推測其是否有異常的游離空氣存在。
產品介紹 Product Introduction	臨床急性腹痛懷疑器官/腸子破裂，且安排腹部電腦斷層攝影確認病情，可能需緊急開刀之病人。將病人完成電腦斷層攝影之影像自動上傳至人工智慧輔助氣腹判讀系統後，即可迅速在5分鐘內檢測有無異常游離氣體，並即時警示通報現場醫師/影像診療科醫師，進一步確認系統判讀的異常結果，以加速臨床處理流程，達到挽救病人性命之成效。
AI模型官方網站	官方網站連結
AI模型介紹影片	YouTube 影片連結
導入日期 Implementation Date	2023/08/01

效能與發布 Performance and Release

版本 Version	1.0
AUC	0.96
Accuracy	0.91
靈敏度 Sensitivity	0.90
特異度 Specificity	95.9
陽性預測值 Positive Predictive Value	0.91
陰性預測值 Negative Predictive Value	0.91
生命週期 Lifecycle	360 天
使用人次 Usage Count	8,106
監測計畫 Monitoring Plan	本系統每年會隨機挑選300筆以上實際臨床病例進行抽檢，以定期評估系統效能，確保系統維持穩定的正確性。系統將透過電子郵件方式，定期將監測及驗證結果提供予主持人。當敏感度低於預設85%時，將暫停系統服務，並啟動模型改善與版本更新程序。
版本更新計畫 Version Update Plan	當系統監測結果顯示敏感度低於預設85%時，將暫停系統服務，並針對抽檢之300筆病人資料，由醫師進行人工判讀與確認後，重新加入新影像資料訓練AI模型。模型完成重新訓練後，將進行效能驗證，待性能提升至90%以上，並完成驗證程序後，再恢復系統上線使用。
成效指標	敏感度, 74.0%, 90.0%

ＡＩ實務九大透明度說明 Nine-Principle Transparency Framework

1. 介入情境及輸出	本系統可即時自動檢測病人無顯影劑電腦斷層影像中是否存在腹腔異常游離氣體，並輸出以下結果： (a)自動檢測與分類: 自動擷取病人腹部電腦斷層影像中之腹腔區域，判讀異常游離氣體特徵，並進行『有』與『無』異常游離氣體預測。 (b)可能性預測之計算: 計算病人腹部影像中是否存在游離氣體之可能性預測（以0.5為判讀閾值），評估是否可判定為異常游離氣體。此外，透過Grad-CAM技術，提供電腦斷層影像最高機率出現游離氣體的區域。 (c)確認最終結果: 對同一位病人之多張顯示有游離氣體影像進行整合分析，確認該病人所進行的電腦斷層檢查是否出現游離氣體的可能，並提供最終AI的評估結果，使醫師可結合臨床診斷資訊，輔助判斷是否有氣腹的症狀結果。
2. 介入目的	本系統介入的場域為急診場域，當醫師根據病人的主述判斷需要進行電腦斷層檢查時，該檢查後的電腦斷層攝影影像將會上傳至本人工智慧輔助氣腹判讀系統後，系統將迅速在5分鐘內分析是否有無異常游離氣體的出現，並即時警示通報現場醫師/影像診療科醫師，進一步整合臨床資訊與AI系統判讀的結果，輔助醫師們快速診斷氣腹，加速臨床處理流程，達到挽救病人性命之成效。 本系統的設計目的並非作為獨立診斷工具，亦非用以取代影像診療科醫師的專業判斷，而是輔助醫師們更有效率地進行腹部游離氣體的診斷，所有系統判讀結果仍需由醫師們進一步確認。
3. 介入的警告範圍外使用	使用本系統細節注意事項如下： ．AI分析結果僅供參考，不應直接依賴於AI分析結果做為臨床診斷。 ．應結合病人病史、症狀及其他檢查（如實驗室數據）做為臨床最終診斷。 ．本軟體之模型不適用於低劑量掃描（Low-dose CT）的病人資料。 ．針對術後病人、腫瘤、腸阻塞、氣腫性腸炎等系統可能誤判的情境，需由醫師進行複核。 ．遇到高風險病例（如腹膜炎、腹水病人）時，以臨床判斷為主，不可僅依賴系統結果。 ．若該電腦斷層掃描影像品質不佳，如金屬偽影（Metal Artifacts）、病人運動（Motion Artifacts）等影像不適用。
4. 介入開發詳情及輸入特徵	本系統以不同人種、年齡及性別的腹部電腦斷層影像資料為基礎進行開發。資料收集範圍包括：急診場域進行電腦斷層檢查之病人，且腹腔內存在少量異常氣體的影像、腹腔內存在大量異常氣體的影像、腹腔內存在大量腸氣但非氣腹病人的影像，以及腹腔內無大量腸氣的非氣腹病人影像。 訓練資料集： ．實驗組病人（有氣腹）: 94 人 ．對照組病人（無氣腹）: 97 人 ．實驗組影像數（有氣腹）: 3169 張 ．對照組影像數（無氣腹）: 6570 張 黃金標準： ．由電腦斷層（CT）診斷並經放射科醫師確認。 輸入特徵： ．影像類型：2D CT影像（DICOM 格式）。經過Lung window的調整。 本系統採用先進的特徵擷取工具及深度學習技術，利用卷積神經網路（Convolutional Neural Networks, CNN），自動學習並結合高低維度的影像特徵。這項技術能從電腦斷層影像中提取關鍵判別特徵，用於準確判斷是否存在異常的游離氣體。模型訓練過程中，使用了大量經影像診療科醫師診斷的氣腹病人與非氣腹病人電腦斷層影像，以確保系統的可靠性與準確性。
5. 確保介入開發公平性的過程	游離氣體在影像上的特徵，並不會因為人種與性別的差異產生不同型態的出現，因此在開發過程中，除了我們的訓練資料涵蓋多個長庚院區之外，皆來自於急診場域的電腦斷層資料，因此也涵蓋台灣大多數會使用的電腦斷層檢查儀。更多的是，我們對資料集進行了詳細分析，確保其能夠代表不同人種、年齡和性別的多樣化人群。我們同時採用了交叉驗證（Cross-Validation）方法，以確保訓練資料的平衡性，並對模型進行了公平性審查，從多個院區取得驗證資料進行分析，保障系統在各群體中的準確性和一致性。
6. 外部驗證過程	本系統在外部驗證上，使用來自不同長庚院區(包含教學醫院與地區醫院)的氣腹病人與非氣腹病人電腦斷層影像資料進行外部驗證，這些資料與系統模型建構的訓練資料完全獨立，且收集來源皆來自於急診場域。驗證過程旨在確認系統在多種臨床環境和病人群體中的準確性與適用性。測試資料來源為長庚醫療體系的基隆、土城、林口、嘉義不同等級醫療機構，涵蓋全國北、中、南區域，且包含不同設備製造商(如General Electric、Siemens、Toshiba、Hitachi、Canon及NeuroLogica等)的電腦斷層檢查儀，涵蓋氣腹病人與非氣腹病人，足以代表全台灣的狀況。 測試資料包含80名接受腹部電腦斷層攝影檢查的病人，其中40名為氣腹病人（男性20名、女性20名），40名為非氣腹病人（男性20名、女性20名）。其中所有測試資料皆透過三位醫師(若意見不一致時採共識決)判斷是否有氣腹的症狀存在，並將醫師判讀結果視為標準，並與AI分析之結果進行比較。在氣腹病人的影像中，本系統自動判讀效能顯示，成功檢測出異常游離氣體的準確率達91%。
7. 模型表現量化指標	本系統模型效能經外部驗證與跨院測試，其量化表現指標包含：AUC 0.96、Accuracy 0.91、靈敏度 Sensitivity 0.90、特異度 Specificity 95.9%、陽性預測值 PPV 0.91、陰性預測值 NPV 0.91。
8. 介入實施和使用的持續維護	本系統每年會隨機挑選300筆以上實際臨床病例進行抽檢，以定期評估系統效能，確保系統維持穩定的正確性。系統將透過電子郵件方式，定期將監測及驗證結果提供予主持人。當敏感度低於預設85%時，將暫停系統服務，並啟動模型改善與版本更新程序。
9. 更新和持續驗證或公平性評估計畫	當系統監測結果顯示敏感度低於預設85%時，將暫停系統服務，並針對抽檢之300筆病人資料，由醫師進行人工判讀與確認後，重新加入新影像資料訓練AI模型。模型完成重新訓練後，將進行效能驗證，待性能提升至90%以上，並完成驗證程序後，再恢復系統上線使用。

可解釋分析 Explainability Analysis

可解釋分析說明	可根據熱圖輔助判斷病人是否發生氣腹，CT 影像中金黃色標示區域為 AI 模型判定與氣腹相關的重點區域。