結合近 30 萬筆真實急診電子病歷，運用大型語言模型優化急診分流、預測重症風險，讓每一秒的決策更精準。
將 video-placeholder 替換為 YouTube <iframe> 或 <video> 標籤即可嵌入影片
僅需病患生理數據與主訴，AIDE 即可快速擷取關鍵訊息，協助急診醫師做出精準決策。
協助判斷病患是否需住院或可返家，預測重症風險，提升分流效率與資源配置精準度。
AUROC 0.87–0.90依據症狀與病史預測必要檢查，頭痛不必要 CT 減少 38%，腹痛減少 21%，降低醫療浪費。
NPV 0.93 · CT 減少 38%預測病患短期內返診風險，提供醫護警示與建議，降低重複就醫與潛在醫療風險。
78.1% 返診預警涵蓋率將醫療對話與資料自動轉換為結構化病歷，減輕文書負擔，提升記錄品質與後續分析價值。
與住院醫師表現相當急診醫學 × 自然語言處理 × 臨床資料科學，由 TMU 與雙和醫院聯合組建
研究成果已發表於 SCI/SCIE 國際期刊，建立學術公信力與技術壁壘
我們正積極尋求醫療機構、HIS 廠商與策略投資夥伴，共同推動智慧急診醫療生態系發展。
臺北醫學大學大數據科技及管理研究所 · 雙和醫院急診醫學科
changyc@tmu.edu.tw · (02) 6620-2589 ext. 16105