作者：傅立成主任 

• 現任 : 臺灣大學 電機工程學系暨資訊工程學系 講座教授

• 專長 : 智慧家庭、智慧型機器人、虛擬實境、前瞻視覺應用、演化式計算與應用

全文詳見：http://aintu-smarted.org/experts_article_detail.php?auto=4
 

(圖片來源：衛福/衛福季刊- 衛福_第6期)

「急診醫療是健康照護醫療中重要的環節，然而，包含台灣在內，許多國家都有研究顯示急診壅塞問題的嚴重性。根據台灣衛生福利部的統計，每年急診醫療的案件數持續上升，從2000年的618萬件到2019年的764萬件，在過去19年數量成長超過23%。急診壅塞會導致健康照護品質顯著下降、醫療可近性明顯不足，也使醫療工作人員的負擔過度加重。這些問題不單對急診醫療造成影響，近來也被認為與醫院的整體運作息息相關。

許多研究顯示機器學習能有效幫助檢傷分級，讓急迫需要醫療的病人得到救治，減少急診壅塞狀況。隨著大數據和機器學習技術在醫學領域的進展，以及深度學習在影像、自然語言處理上的突破，處理文字、影像、文本紀錄、訊息混雜之醫學資訊的能力大幅提升，處理檢傷分類的非結構化資訊的應用已逐漸普及。

盼望透過自動化檢傷系統能減輕醫護人員的負擔、加速急診檢傷流程，減緩日後急診擁擠的問題，達到醫療資源利用最大化的效益。」