臺北榮民總醫院正在使用 NVIDIA Jetson 邊緣 AI 平臺分析透析過程中的數據流。

中國臺灣有近 8.5 萬名腎臟透析患者。根據人口密度，這里已成為全球腎臟透析患者比例最高的地區。臺北榮民總醫院（TVGH）正在使用一個能夠在透析過程中實時預測心力衰竭風險的 AI 模型來改善這些患者的治療效果。

心血管疾病是透析患者的主要死因。臺北榮民總醫院希望通過其 AI 風險評估模型來緩解這種情況。該模型的準確率達到 90%。

該 AI 工具能夠在儀表板上為臨床醫生顯示用于風險預測的關鍵因素、檢測透析機數據流中的異常并立即提醒醫生和護理人員進行干預。

NVIDIAJetson邊緣 AI 平臺等 NVIDIA AI 技術所提供的模型能夠綜合運用透析機數據、患者病歷、測試結果和藥物信息，使醫院能夠實時分析患者數據。

該院內科部主任 Der-Cherng Tarng 教授表示：“在這個領域，提前發現問題和并及時做出決策可以拯救生命。我們在每個透析器旁都部署了 NVIDIA Jetson 以便在透析過程中進行 AI 預測，即便是小型透析中心也能通過這種經濟、有效的方式進行實時洞察。”

該團隊計劃將該軟件的測試范圍擴大到全島的十幾家醫院，并向中國臺灣的食品藥物管理局申請批準將該軟件作為醫療設備進行臨床使用。

透析期間的檢測

腎衰竭患者需要通過透析機過濾出血液中的毒素和廢物，他們通常每周需要做兩到三次血液透析，每次透析的時間在三到四個小時。患者可能患有心力衰竭等嚴重的并發癥。如果在透析過程中未準確設置一項被稱為干體重的指標，就會引發心力衰竭。

干體重是指一個人在體內沒有任何額外液體情況下的自然體重。臨床醫生需要在每次透析后使患者恢復到干體重。但由于晚期腎病患者的體內一般會有多余的液體，因此他們剛開始的體重就高于干體重，使得醫生只能對干體重進行主觀的評估。

高估干體重會引起高血壓，導致心力衰竭等并發癥或者其他大血管并發癥。而低估干體重會使體內排出的液體過多，導致脫水和血壓降低。

因此，臨床醫生在透析過程中需要監測多個數據點，包括血流速度、動脈和靜脈壓力以及超濾率（表示治療過程中需要排出的液體量）。

臺北榮民總醫院的風險評估工具能夠同時處理這些數值與病歷、驗血結果和藥物信息，對多達 200 組動態生理和透析機數值進行評估。這些關鍵統計數據以及一個預測每個患者心衰風險的指標都會顯示在醫生和護士的儀表板上。

該工具能夠使用決策樹、梯度提升和卷積神經網絡等多種 AI 算法識別患者數據，包括識別患者數據中的異常。它使用來自 300 萬份病歷的數據集訓練而成。醫院團隊最近為該工具增加了血紅蛋白水平、胸部X光圖像分析等更多預測指標。

卷積神經網絡模型將該 AI 的準確率提高了 95%。

除了預測心衰風險外，臺北榮民總醫院的 AI 模型還將臨床醫生對患者干體重的評估偏差率降低了 80%，幫助減輕并發癥的風險。

AI 和邊緣計算推動實時結果

臺北榮民總醫院的 IT 團隊采用 SAS Viya 分析引擎和NVIDIA CUDA-X庫來開發其 AI 模型。

雖然該團隊的電子血液透析系統可以自動記錄透析器產生的數據，但在一開始仍然需要醫護人員每 30 分鐘記錄一次生理測量數據，然后通過藍牙連接將數據發送到服務器。

臺北榮民總醫院團隊（從左至右）：護理部 Hsin-Ling Tai、內科部主任Der-Cherng Tarng、信息部主任Chen-Tsung Kuo、高級軟件工程師Yuan-Chia Chu和腎臟科主治醫生Shuo-Ming Ou

該院腎臟科主治醫生 Shuo-Ming Ou 表示：“在半小時的數據分析間隔期間，患者仍有可能出現導致心力衰竭的并發癥。因此，我們團隊努力尋找一種可以在毫秒內接收和計算透析機數據的實時解決方案。”

為了在四小時的透析過程中利用數據流實現實時 AI 推理，該院采用了Aetina 邊緣 AI 入門組件。這個組件所搭載的NVIDIAJetson Xavier NX將每秒 21 萬億次算力濃縮在一個功率僅為 10 瓦的小型模塊中。醫院 IT 團隊使用NVIDIATensorRT軟件優化用于在 Jetson 平臺上進行推理的 AI 預測模型。

NVIDIA Jetson還通過將處理流程轉移到邊緣，幫助臺北榮民總醫院減少主服務器上的運算工作量，騰出資源支持其他 AI 團隊訓練高質量的醫療模型。

除了心衰風險預測模型之外，該院還使用NVIDIAParabricks基因組學軟件、NVIDIA FLARE聯邦學習工作流程以及NeMoMegatron自然語言處理框架加速其他 AI 項目。

審核編輯：湯梓紅