髖部骨折一旦誤診將導致許多不良後果。透過深度學習所開發之AI輔助判讀軟體可視覺化呈現髖部骨折部位，將原本醫師判讀的95%準確率提升至99%。

近年來醫療科技進步及外傷治療觀念演進，臨床面導入先進技術和嶄新的治療理論，幫助許多病患可以得到更好的治療效果及預後。髖部骨折常發生在高齡的患者身上，也是急診室裡常見的外傷之一。早期診斷與治療髖部骨折不只可保留關節活動功能，並可提升患者生活品質。而髖部骨折的誤診可導致許多不良之後果。

然而臨床上在忙亂的急診室中，面對多大量患者或是經驗不足的醫師時，仍有可能會有一定遺漏診斷的比例。在急診室裡，外傷病患的治療需要和時間賽跑，降低延誤診斷或是錯失診斷的機率，正是人工智慧可以協助之處。以往第一線急診醫師必須在忙亂的環境中進行快速準確的診斷，這是一個困難而艱鉅的挑戰。

●約翰霍普金斯醫院、史丹佛、波士頓醫學中心合作測試

林口長庚外傷科AI團隊由鄭啟桐醫師發起，利用著眼於利用AI輔助常被誤診的髖部骨折，利用林口長庚醫院之骨盆X光進行深度神經網路應用在髖部骨折偵測之研究，運用3605張骨盆X光片進行人工智慧模型建構，在獨立測試集100張髖部X光影像中，偵測髖部骨折之準確率到達91%，敏感度98%，特異性84%。

同時此模型可以在影像中準確指出髖部骨折處。利用此成果建置以網頁為基礎之X光輔助判讀軟體，於急診外傷現場將從原本只有人類判讀的95%準確率提升至人機合讀的99% (p<0.05)。並與美國約翰霍普金斯醫院、史丹佛醫學中心、波士頓醫學中心合作進行外部測試，各家醫院均提供50張正常骨盆X光與50張髖部骨折X光進行分析。AI的準確度分別為97%、89%、95%。此外部測試證明即使在不同國家不同人種與不同機構的狀況下，髖部骨折偵測系統準確度仍可維持在一定的水準。

●演算法再進化！可同時辨識髖部骨盆不同位置與不同類別外傷

以往的AI演算法大多是針對單一部位的單一病灶進行分析判讀，在臨床情境上使用相對的有侷限性，當多任務同時進行的時候準確度就會下降。這也是目前AI還無法於臨床普及的原因。

基於原有的髖部骨折診斷演算法，更進一步發展骨盆X光片外傷全病灶診斷演算法，讓演算法同時辨識髖部骨盆不同位置及不同類別的外傷型態，在骨盆X光獨立測試集中可以達到92.4%的準確度。

這個結果可以達到最專業的放射科醫師的診斷準確度。透過AI輔助，可以在第一線急診室裡輔助醫師判讀出可能發生骨折的部位，掌握治療患者的黃金治療時機。同時經由人機合讀的機制，提升臨床醫師之判讀準確率，快速精準診斷病人，提升外傷醫療品質，也在世界上展現台灣在醫療人工智慧的強大實力。