臺北榮總過去曾與台灣人工智慧實驗室組成聯合研究團隊，成功研發腦瘤人工智慧診斷模型-DeepMets®，在診斷腦轉移瘤的敏感度與準確度上，高達96%與86%，如今研究團隊再聯手合作參與衛福部健保署「全民健康保險資料人工智慧應用服務」試辦專案，成功研發精進版DeepMets®-Plus，建立國家級腦瘤人工智慧診斷模型。

健保署影像資料庫　成功建立人工智慧診斷模型

此次研究成果，臺北榮總也與交通大學、陽明大學，與瑞典哥德堡Chalmers科技大學跨國合作，透過共享模型方式，以「量大質優」且「兼顧個人隱私」的研究方法，建立跨國腦瘤醫學影像人工智慧診斷模型。臺北榮總放射線部郭萬祐主任指出，藉由運用健保署雲端集中式影像資料庫，克服來自不同醫療院所、不同廠牌影像資料的異質性，預期未來將可幫助提升我國發展醫療輔助人工智慧模型的效能及學術高度。

非集中式影像資料集　不用擔心個人影像資料外洩　

郭萬祐主任解釋，非集中式影像資料集的研究方法，是將各參與的研究據點，各自訓練出來的人工智慧模型上傳集中到聯邦學習中心，再以數學及統計的方式將模型整合、精進後再下放回各原始研究據點，導入原臨床場域試用，過程不僅不用擔心觸及個人影像資料，也可以共享模型方式達到量大且質優的研究方法。

臺北榮總模型開發實作　驗證臨床上可行性

目前臺北榮總已將三年來執行科技部「醫療影像之巨量資料建立與應用研究」專案當中的三千多例腦瘤磁振造影資料，在國家高速網路與計算中心模擬多家醫療院所及聯邦學習中心的虛擬環境中進行模型開發實作，並驗證臨床上以聯邦學習開發腦瘤人工智慧診斷模型實作的可行性。郭萬祐主任強調，未來也將開啟國內與國際人工智慧合作研究，可望開發更多發展空間。

國內外重大災難事件頻傳，強化災難醫療救助量能刻不容緩。高雄醫學大學附設中和醫院特別舉辦美國國家災難生命支持術訓練模組，啟動南臺灣災難訓練新時代，期能達到政府、學校、醫院及社會在災難應變的四贏局面。

訓練內容有等級 醫療救援更專業

高醫急診醫學部主任葉怡亨表示，NDLS為美國災難醫學教育的標準化訓練模組，全球超過20多個已開發國家將之列為災難訓練課綱。內容分為災難基礎生命支持（BDLS）、災難高級生命支持（ADLS）及災難核心課程（CDLS）三個級別，均有相對應的訓練教材，更重要的是，藉此訓練模組的培訓與考核，可體驗到不同災難類別的系統性思考。

醫療團隊齊升級 強化災難應變能力

高醫急診部災難醫療醫師王子義表示，面對災難事件，無法以一人或單一機構來處理，必須結合其他相關團隊合作，發揮最大的量能，才能將傷害減至最低，因此階段性的反覆地進行教育訓練，汲取他國經驗，並加以修正、磨合非常重要。

高醫急診部護理師鄭碧月分享，在化災著裝除汙實作課程中，感受到搶分搶秒、著裝跑步繞場加頭轉圈圈後，執行除汙的緊張刺激，深深體會到緊急救難的高度挑戰性；而實兵演習更讓她感到震撼，現場模擬地震後大樓倒塌的搶救過程，黑壓壓的場景，配上哀號呼救的人聲此音效，甚至還有毒蛇道具亂竄，彷彿世界末日來臨，以及空軍、義消、消防的菁英經驗分享，都讓她大開眼界。