在大數據時代的來臨及近年來人工智慧技術的迅速發展下，各行各業開始導入人工智慧輔助生產或改善工作流程，而醫療領域也不落人後的致力發展於各種人工智慧應用。在急診的智慧醫療應用規劃方面，從病人聯絡119 緊急報案專線開始，消防局勤指中心派遣救護車外，同步傳送病患相關資訊到院前預警系統；病患到達急診檢傷後，結合人工智慧的電子化檢傷能更準確的檢傷分類；影像判讀輔助、病情分析、及病況預測可以輔助醫師診斷；而電子化的急診智慧面板結合高風險病患預警系統及病人室內定位系統有助於醫護團隊持續監控急診室之患者狀況。

早期的文獻指出，病情惡化是一個隨時間演進的過程，發生非預期性院內心跳停止的病人中，約六至七成在數小時已有相關徵象，並非無跡可尋。傳統的早期預警系統，是透過生命徵象的變化去計算分數和醫護人員的臨床判斷，提醒醫護團隊提早做出醫療處置。

我們透過了分析急診病人大量生命徵象及臨床資訊及數據，應用機器學習建立新型態的病人預警系統，用來預測病人休克、呼吸衰竭或非預期心跳停止等重大急症。在急診室的病人常常是緊急且不穩定狀態，病人到院後，經過醫護團隊的初步醫療處置後，通常可以初步的穩定及等待留院治療。而透過臨床資訊不斷輸入至醫療資訊系統時，此預警系統可以快速並全面地分析此病人的急迫性及風險程度，即時對高風險病人提早發出預警，提醒醫護團隊要提早再次評估和治療患者，提高對病人不預期惡化的反應時間，使醫療團隊能更精確地分配照護人力與醫療資源，從而提高急診照護的效率與品質。

此結合人工智慧的高風險病人預警系統可以讓醫護團隊能更早識別潛在的高危險病人，即早開始監測及進行醫療處置，減少因反應延遲造成的不可逆病情變化，提升醫療品質及減少併發症之發生。另一方面，此早期預警系統也有助於保障病人安全，及避免潛在的醫療糾紛。

隨著更多醫療數據數位化、各種穿戴型裝置、機器學習、深度學習、大型語言模型及生成式人工智慧的持續進展，我們可以預期未來人工智慧的應用會更全面性的深入急診醫療領域。這意味著急診醫師將能藉由人工智慧的輔助，更迅速地彙整每位病人的獨特狀況和需求，迅速地擬定出最合適的診斷和治療計畫。如此將大大提升急診醫療的效率和成效，使得照護過程變得更為智能、精準和個人化。這不僅將提升病患的醫療照護品質，降低非預期的死亡或併發症風險，還將減少不必要的醫療資源浪費，從而提高整體急診醫療的水準。

※本文章同意非營利行為之轉載，轉載時不得編輯、調整、增刪、加註、改寫或以其他方式變更本文章內容，並註明供稿來源。