台湾年洗肾人口破 9万，半数因心血管疾病死亡

肾脏作为人体的重要器官，承担着过滤血液、排除代谢废物、平衡水分电解质等关键功能。对于肾功能不足以维持生存的病患而言，肾透析是除了肾移植外的保命手段。然而，突发心衰竭现已成为肾透析的“头号”风险：据统计，2019年，全球约有350万慢性肾功能衰竭患者接受肾透析治疗，其中，仅台湾地区每年就有超过9万人洗肾，洗肾人口密度居世界首位，而这其中有半数病患是因心血管疾病而死亡，心衰竭系肾透析病患重要死因之一。

为何肾透析会引发心衰竭？这与透析对于干体重设定的高准确性要求有关（干体重，也称“目标体重”。其定义即是水在正常平衡条件下的体重，表明患者既没有肺淤血、双下肢水肿等水潴留，也没有脱水时的体重，并且无任何不适，血液透析结束时希望达到的体重。）。在透析过程中，病患水分脱太少或者洗太干，都可能会出现肺积水、耳鸣、抽筋以及血压忽低忽高等并发症，长期以往则可能导致心脏扩大、心衰竭。一般来说，患者每次透析时长约为4小时，每月平均洗13次之多，干体重估算不准确，除了给患者多添一重痛苦外，有时还可能带来致命的风险。

而值得注意的是，干体重预测和调整并不简单，一般约为病人体重的5%，由于患者体重的动态变化，每次透析前都需要微调脱水量。且每当患者出现肾透析的并发症时，都需要靠医生依据当下病况和仪器判断，再进行针对性的治疗。

在没有更优解决方案替代的情况下，一直以来，肾透析长期高度依赖于医生的经验积累。然而，即便是经验丰富的医生，也需要至少3个月到半年的反复试验，才能抓取到该病患准确的干体重建议值。这些年，伴随着肾透析病患数量与日俱增，医疗资源日渐紧张，对摆脱这一领域高风险现状的紧迫需求，将个性化、定制化的“精准肾透析”推上了时代的风口浪尖。

从大型主机走向开放式、自动化 AI 化到边缘运算转型

北荣在2016 年展开HIS 再造，将大型主机转换为Web 2.0 的开放式系统架构，将医疗仪器资料数据自动化后、AI 化到现在数位转型的历程，分为三个阶段，2016～2020 年是大型主机走向大数据时期，开始发展医疗大数据Data Lake，建立研究资料库及连续型串流资料库等。

而从2018 开始，连续四年，北荣以培育医疗大数据人才为主，并且同步打造以大数据为基础之SAS VIYA 视觉化AutoML 系统平台和高效能Nvidia GPU 计算环境，来发展机器学习平台。

到了2020 年，开始强化洗肾中心智能系统，找来数据分析大厂SAS 专家参与智能血液透析模型开发，建立AutoML 分析流程（资料预处理、资料分析、模型训练、模型部署）来精进血液透析模型精准度，内科部唐德成部主任、欧朔铭医师、护理部戴辛翎护理长、资讯室郭振宗主任、朱原嘉博士和SAS 专家成了透析智能化医疗的关键战力。

2021 年，北荣一方面持续大举利用AI 来发展智慧医疗、建立大数据、特色疾病资料库。另一方面，在IT 软体开发策略上，北荣也开始着重在微服务与边缘运算，值得一提的是血液透析边缘运算，同一台NVIDIA Jetson AI 边缘运算装置，可以跑多个AI 模型，可降低北荣AI 模型运算对中央GPU 服务器的算力负担。

阶段：整合资料、开发洗肾心衰风险预测 AI模型

北荣以内科部部主任唐德成为首，发起洗肾心衰风险预测AI 专案，以大数据为基础，透过全球数据分析大厂SAS携手开发出「即时血液透析」人工智慧(AI)预判系统，可于毫秒内根据洗肾机数据来计算患者心衰竭风险，并发出预警通知，以便医护人员即时介入治疗。

台北荣民总医院资讯室资讯工程师朱原嘉博士表示：「北荣于2019 年展开专案阶段，团队率先整合北荣大数据平台的健保申报资料，如病历、检验检查数据、用药资讯，以及洗肾仪器的毫秒级参数，如脱水量、血流量、动静脉压，作为模型训练资料。」

当时，北荣团队介接的临床数据及洗肾机参数高达200 组，他们进一步研究，找出与心脏衰竭最相关的10 组参数来训练模型，亦作为风险预测仪表板上的关键因子。为串接洗肾机每秒不断产出的参数，北荣也建置一套连续型资料库，来处理这些大数据。

经过数个月训练，洗肾心衰风险预测AI 准确率达到90%，并能准确预测患者洗肾后的干体重，将过去平均200 克的误差值缩小为40 克，误差值大幅下降80%。

第二阶段：导入 NVIDIA Jetson AI运算平台，低功耗离线运算没问题

北荣与SAS 于2021 年4 月展开专案第二阶段，其纳入更多引发心脏衰竭的风险因子，作为模型预测指标，像是肺积水X 光片、血红素，借此提升模型准确度达95%。团队也在这段期间导入SAS Viya AutoML 平台及SAS Viya AIOT 解决方案，以达到快速、准确完成模型的AI 训练平台，加速AI 模型调校和部署，后续进一步将AI模型部署至NVIDIA Jetson AI 边缘运算装置，来降低GPU 服务器的运算量，落实AIOT 边缘运算

进一步来说，北荣这次导入的边缘运算装置是NVIDIA Jetson Xavier NX，即NVIDIA Jetson 系列中体积最小的运算主机，如同一个小盒子般，更高能提供每秒21 兆次运算(TOPS)，且功耗更低只需10 瓦特，非常适合边缘运算。

北荣将NVIDIA Jetson 部署在每台洗肾机旁，就近执行原有的洗肾心衰风险预测AI 运算。朱原嘉博士分析，该做法有两大好处，是降低GPU 中央服务器的运算负担，第二则是AI 模型可离线运算，不必仰赖中央服务器。

北荣团队采用NVIDIA Jetson Xavier NX 工具组开发医疗AI，亦有不少优势。朱原嘉博士指出，该装置使用SAS EDGE IOT解决方案，其中具备完整的Nvidia GPU CUDA 和TensorRT 函式库供开发者使用，且开发语言一致性高，开发者要将AI 模型部署在边缘装置执行时，不必再以另一个语言开发及驱动终端装置，一套就能适用。

部署 NVIDIA Jetson降低运算需求，中小型洗肾中心也适用

对北荣而言，采用NVIDIA Jetson 的好处不只如此，在洗肾机终端装置部署多个AI 模型，不必仰赖昂贵的GPU服务器就能运行AI，对中小型洗肾中心或规模较小的诊所来说，是个经济实惠且具效益的选择。

北荣目标要将这套AI 推广到各洗肾机构。为此，北荣在试验计划中，测试搭载于NVIDIA Jetson 边缘运算系统上的多个降低洗肾风险AI 模型，完成AI 规模化的推展。下一阶段要在多场域试验，凭TFDA 认证推广全台洗肾中心。

如何面对扩大智慧医疗的挑战是未来目标

2022 年，北荣IT 基础架构团队的工作也聚焦三大重心，是以大数据为基础运用SAS VIYA、 NVIDIA Clara、NVIDIA Parabricks 技术协助智慧医疗数位转型，其次则要将北荣的大数据中心，透过软体定义（虚拟化、容器化、K8s、基础架构服务化、储存空间垂直扩充(scale-up) 、储存空间水平式扩充(scale-out) 转型成真正的私有云。下一步，前瞻智慧医疗持续创新，例如导入FHIR、微服务技术、数位病理、基因精准医疗。最后一项是边缘运算，北荣计划在更多场域测试搭配NVIDIA Jetson 的边缘运算平台以及洗肾风险预测模型，申请卫福部门食药署(TFDA) 软体即医疗器材(SaMD) 认证，加速医疗AI 落地。