心房顫動恐引腦中風！台大AI精準預測風險 準確率近9成高危險群必看
心房顫動是引發腦中風的重要原因之一，但是否使用抗凝血藥物，長期讓醫師與患者陷入「防中風或防出血」的兩難。台大醫院跨院團隊開發「可解釋人工智慧（AI）」模型，能依個人條件精準預測中風與出血風險，準確率由傳統約6成提升至近9成，並登上國際頂尖期刊，為高風險族群帶來更安全的精準醫療新契機。
心房顫動成中風隱形殺手
心房顫動是常見心律不整，容易在心房內形成血栓，一旦血塊隨血流進入腦部，可能導致缺血性腦中風。新竹台大分院內科部主任賴超倫指出，台灣約有1%成人罹患心房顫動，推估約15至20萬人處於中風風險之中。由於初期症狀不明顯，許多患者往往未察覺，直到發生中風才被診斷，風險不容忽視。
看更多：80歲翁坐輪椅進來「走著出去」！北醫創齡AI復能術太神 日照收費標準曝光
抗凝血治療陷兩難抉擇
賴超倫表示，臨床上，抗凝血藥物可有效降低中風風險，但同時也會增加出血機率，包括腦出血、腸胃道出血等嚴重併發症。他接著補充，有些患者甚至會出現牙齦流血不止、瘀青等情況。尤其高齡或共病患者，醫師在是否用藥上須反覆權衡，稍有不慎可能導致嚴重後果。
傳統評估工具存在灰色地帶
目前常用的風險評分工具，多以固定加權方式計算風險，依據年齡、高血壓、糖尿病與中風病史等因素評分。賴超倫形容，這就像「用硬尺量身」，無法反映個體差異，特別是介於臨界值的患者，常陷入是否用藥的灰色地帶，增加臨床決策困難。
「可解釋AI」提升預測準確度
為突破限制，台大醫院整合2007年至2016年間9,511名心房顫動患者資料，建立AI模型，並於新竹分院1,300例及雲林分院1,242例進行驗證。結果顯示，預測準確率由傳統約6成提升至近9成。賴超倫指出，該模型如「柔軟皮尺」，能依患者條件動態調整權重，使評估更貼近個人實際風險。
看更多：洗腎也能用AI！慈濟導入智慧透析平台 護理省時30分鐘
雙模型設計打破黑箱疑慮
這項AI模型採用「邏輯斯迴歸」以及能捕捉複雜關係的機器學習模型（XGBoost）雙模型設計，在預測能力與可解釋性之間取得平衡。台大公衛流病預防研究所博士生林芷瑋表示，醫師不僅可看到風險結果，也能理解各項因子的影響方向與權重，避免AI淪為無法解釋的「黑箱」，提升臨床信任與醫病溝通品質。
AI發掘新機制助精準醫療
研究也發現，部分因素如慢性肺病，在特定條件下可能呈現降低中風風險的「保護因子」。林芷瑋指出，這可能與疾病機轉或用藥影響有關，顯示AI可挖掘傳統統計難以發現的細微關聯，為醫學研究開啟新方向，但仍需更多研究進一步驗證。
新藥提升安全性降低出血風險
賴超倫補充，傳統抗凝血藥如Warfarin出血風險較高，導致部分患者不願使用。近年新型抗凝血藥已提升安全性，目前約有7成適合患者可接受治療，在預防中風與降低嚴重出血之間取得較佳平衡，對高齡與慢性病族群尤其重要。
洗腎、心血管病患、高齡族群風險飆升
多數心房顫動患者集中於高風險族群。新竹台大分院院長洪冠予進一步指出，洗腎患者是特別需要關注的族群。台灣約有10萬名洗腎病患，其中約15%至20%合併心房顫動；若為70歲以上高齡洗腎者，比例更高達40%至45%。此類患者同時面臨中風與出血風險，屬於臨床上最「脆弱」的一群，亟需更精準的風險評估工具。
看更多：她62歲就換髖關節拄枴杖走路怕跌倒！AI動態預測跌倒機率提早預警
台大醫院副院長何奕倫也指出，心臟科臨床上有4類患者屬於心房顫動、缺血性腦中風高危險族群，包括：
- 心肌病變
- 瓣膜性心臟病
- 缺血性心血管狹窄（俗稱冠心症）
- 高血壓控制不良
此外，隨著年齡增加，心房顫動盛行率也明顯上升，高齡者更需提高警覺，定期檢查與追蹤。
AI助攻邁向個人化醫療時代
賴超倫表示，目前該AI模型仍屬回溯性研究，尚未正式導入臨床，未來需透過更大規模資料驗證，並通過主管機關審查，確認安全性與有效性後，才會正式推廣使用，但已為醫療AI發展奠定重要基礎。他強調，AI並非取代醫師，而是輔助決策工具，模擬資深醫師的臨床判斷。透過更精準的風險分層，醫療將從標準化邁向個人化，特別是高齡、洗腎及心血管疾病等高危族群，可望在預防中風與降低出血風險之間取得最佳平衡，提升整體治療成效。
這項研究為醫療AI建立一條兼具科學性、可解釋性與臨床可行性的發展路徑，論文在4月初已正式發表於《Nature》期刊系列、數位醫療領域排名第1的權威期刊《npj Digital Medicine》。團隊成員包括第一作者台大公衛學院林芷瑋博士生、通訊作者新竹台大分院內科部主任賴超倫醫師，及台大公共衛生學院副院長杜裕康教授、張振旻博士；台大醫院副院長何奕倫醫師、新竹台大分院潘恆宇醫師等專家。
看更多：AI膝關節診斷神器！自動量測關節磨損程度 精準診斷膝關節炎
◎ 圖片來源／台大醫院提供
◎ 資料來源．諮詢專家／賴超倫醫師．洪冠予醫師．何奕倫醫師．林芷瑋博士生
