成大團隊把臺灣防疫的經驗，在智慧醫療與AI肺炎影像判讀，與改善防疫站篩檢流程的三部曲，與世界分享。隨著COVID-19流行病的嚴重性增加，急診部門外檢疫站的負擔（ED）每天都在增加。為了改善檢疫站的高篩選工作量，有必要簡化工作流程和決策流程。本文的目的介紹成大醫院人工智能（AI）在隔離站的三部曲，減少檢疫處理時間與流程。

　　這項針對正在出現的COVID-19大流行的觀察性研究, 從智能檢疫站，人工智能輔助圖像分析和平板電腦上內置的臨床決策算法應用計算程式, 縮短了隔離看診的過程, 並減少了COVID-19大流行期間的處理時間。AI三部曲的使用加速了可疑病例COVID-19的處理，職業類別、聯繫和聚類歷史記錄都是通過平板電腦獲得的。單獨的AI模式功能可以快速識別出胸部X線片上的肺部浸潤, 合併到智能臨床輔助系統（SCAS）中，此模式導入GitHub對COVID-19肺炎病例公開數據，優化其對肺炎病例的判讀。進一步, 在我們的離體表面病毒存活研究也顯示，通過75%酒精擦拭平板電腦兩次表面可以對平板電腦表面進行消毒, 可以安全使用。

　　為了進一步分析AI應用程序在隔離站中的影響，與常規ED相比，大幅所短隔離站的檢疫作業時間。在新興傳染病流行期間AI三部曲建立更具指標性的意義，不僅優化檢疫工作流程，更改善了醫療工作的處理時間。 

圖一：COVID-19檢疫站裡的工作是忙碌的，空氣中充滿了不確定性， 密閉的空間裡加上密不透風的N95口罩與隔離衣，醫護人員的壓力可想而知，繁複的決策流程與影像肺炎與否的判斷壓力，超乎想像。

　　2019年12月，一種新型冠狀病毒（也稱為COVID-19）帶來新興爆發的肺炎，打亂了我們的生活。此新型冠狀病毒被證實對人類是危險的。從2003年的SARS經驗來看，大多數醫院會在急診室外架設檢疫站（Q站）, 是大家應對新興傳染疾病的主要策略。為了應付Q站內可預期的繁雜發燒感染篩查工作量，幾乎所有具有醫療執照的工作人員都會被要求需要加入工作輪班。因此，對所有專科領域醫療人員所考量的工作流程和決策過程的需求更是至關重要。

　　此外，治療指引每天都在變化，新的政府篩選原則總共改了53次。為了讓醫療人員在COVID-19 Q站能順利進行篩查, 不僅符合國家標準和篩選策略, 也縮短檢疫的處理時間，國立成功大學醫院（NCKUH）設計了一種人工智能（AI）系統來解決這緊急的臨床需求。 NCKUH AI團隊憑藉在事件發生之前的智慧醫療研究經驗，成功開發了一種電腦程式輔助的平板電腦程式來加速醫療決策。目標是減少檢疫區中由於病患長時間滯留而造成的潛在危險SARS-CoV-2暴露。因此, NCKUH AI團隊成功地在NCKUH急診室外面建立了一個“智能Q站”，以促進篩檢速度和調查工作流程。

　　智能Q站三部曲: 這三部曲包括：1）通過Q站分流； 2）用於記錄旅遊, 職業, 接觸與群聚史(TOCC)的平板電腦，以及3）在智能Q站使用臨床策略決策程式的AI輔助的影像分析。這些步驟有效地促進了NCKUH對那些可疑病例的篩檢速度和調查工作流程。首先, 為了對這種新興傳染病的流行，NCKUH立即決定即刻建立8個戰時臨時檢疫帳篷。同時，在戰時帳篷附近啟動了一個結構更持久的結構化組合屋。病人從急診室到隔離帳篷的有效分流使擁擠的急診室得到緩解。平均而言，估計每名醫務人員每天要檢查35-50例隔離病人。其次是開發用於胸部X射線分析的AI模型: 為了減輕醫務人員的負擔並促進快速分診，我們採用帶有分類註意圖（CAM）的分割模型, 而肺炎分割模型乃是基於U-Net分析模組。因此，我們建立了帶有智能臨床輔助系統（SCAS）的檢疫站，以加快工作流程。 SCAS是一種臨床決策樹算法，集成了TOCC歷史記錄的結構化格式，AI輔助的X光影像的分析報告以及臨床決策工作流程。

　　另外也從圖片存檔系統（PACS）中回顧了4000例胸部X射線，確定了682例患有肺炎的胸部後前（PA）X射線和692例正常的胸部PA X射線。同時將快速識別胸部X片浸潤的AI模式合併到SCAS中，強化各數據集的敏感性、特異性和準確性分別為94.1％，95.1％和94.6％。除此之外，我們使用了來自GitHub（https://github.com/ieee8023/covid-chestxray-dataset）上一個公開數據集的COVID-19肺炎病例，包括59 PA和11 AP胸部X光片來測試模型，在AP片中的檢出率達到93.2％。進一步與常規ED途徑相比，臨床Q站的停留時間大大縮短了。因此，在Q站中使用AI應用程序的確可以減少Q站中的停留所需時間。

　　智能Q戰三部曲展示使用內置運算法並與AI影像分析系統結合的智能設備的可行性，利用安全和科學的方法，以便利調查過程，避免交叉感染並減輕所有團隊成員的壓力。這在將來對付新興出現的地方性傳染病的策略, 有實質上的幫助的。

圖二：成大醫院科學防疫三部曲: A. 首先利用醫院珍貴的空間裡，設計一處避開門診大樓與住院急診大樓人群的檢疫站；B. 利用智慧平板電腦病患自填病歷的方式收集病患的出國旅遊工作與群聚史，將決策樹植入程式中，藉此協助醫護減少背誦流程，加上AI智慧工程師與影像醫學醫師合作，修正成大AI COVID-19影像判讀精準度達92%以上，形成極佳的智慧醫療組合；C. 這些流程的成立，讓病患在檢疫站待的時間從120分鐘減少到20分鐘。