Taiwan Society of Emergency Medicine
Taiwan Society of Emergency Medicine
本會期刊
台灣急診醫學通訊
第八卷第三期 點閱次數:44 PDF下載次數:2 超音波在急診肺部評估中的新發展,從B line到AI 輔助的肺部超音波
高志豪、張長元、劉彥宏 中國醫藥大學附設醫院 B‑line 是肺部超音波中重要的指標,雖然傳統上需經驗豐富的醫師操作與判讀,但在急診與資源不足的場域,這成為一大限制。近期多項研究探討 AI 在 B‑line 偵測及量化上的角色,目的在降低技術門檻,提升診斷效率與一致性。 在急診醫師不斷離職的台灣醫療,能夠有其他操作人員協助操作並判讀相當重要。在2025 年 JAMA Cardiology 發表的多中心研究,讓護理師與呼吸治療師操作 AI 導引的超音波裝置,該導引可以引導操作人員去掃描該掃描的胸部區塊並標示B line的位置,結果掃描出來的影像,有超過 98% 被專家判定為「診斷等級品質」,表現不輸受過訓練的急診醫師。這代表未來在偏鄉或大量病人時,AI 有機會讓更多醫療人員參與初步判讀流程,減少醫師端的負擔。 From JAMA Cardiology March 2025 Volume 10, Number 3 如果B line的多寡會影響我們的判讀思路,在2024 年發表於 Ultrasound in Medicine & Biology 的研究解決了這問題。該研究利用轉換學習( transfer learning) 訓練一個 AI 模型來進行 B-line 的自動判讀,跟上面研究不同的是,此模型不僅可以區分有無異常 B-line,還能做到 0–4 條的等級分類,表現和專家相近,這樣的分級工具未來在病況追蹤上會很有幫助。 然而,如果發展AI僅是要判斷B line與否,對於急診環境來說不免侷限,畢竟我們的病人來的主訴常常是呼吸困難,超音波多為此主訴來做鑑別診斷所用。2023年在Physics in Medicine & Biology的文章 “Point of care AI assisted stepwise ultrasound pneumothorax diagnosis” 建構一套模擬臨床檢查流程的 AI 系統,協助操作經驗較少的臨床人員完成氣胸診斷。該系統嵌入模擬臨床判讀流程的 AI 氣胸診斷系統,從 B mode 定位胸膜線到 M mode 判斷肺滑動,步驟完整、精準度高(AUC ≈ 0.89)、能即時運作,這個系統在臨床應用上,初步可以篩檢出病患到底是BLUE-protocol 的哪一系列,近一步做出初步診斷及治療方向。Critical Care Medicine 的研究也有類似研究證實:即時的 AI 模型,辨識 A-/B-line 的準確度高達 95%,特異性也有 96%。然而在Am J Emerg Med 的研究顯示,雖然AI 與急診醫師靈敏度相當(95.6% vs.96.7%),但 AI 特異性稍低(64.1% vs.79.1%),可能比較適合篩檢輔助使用。 從上面近年幾個研究看來,Lung ultrasound的判讀已經從經驗主導轉向 AI 輔助判斷,並且對於初學者進行指引及判讀標記,亦可對於A-line或B-line進行即時計數跟判斷,對於氣胸的sliding side似乎也是可行。所以未來AI可輔助醫療人員(不一定要是急診醫師)作為快速篩檢與量化工具,但仍建議保留最終判讀給臨床醫師,未來重點將是 AI 與決策支援系統的整合,來減少急診醫療負擔。 Reference |