台師大AI模型預測心血管急診風險

（綜合中央社、聯合報、自由時報等3家媒體報導）

台師大地球科學系、資訊工程學系與北市大衛生福利學系組成跨領域團隊，整合台灣23年（2000年至2022年）的氣象觀測、空氣品質監測與超過500萬筆心血管疾病急診資料，利用AI建立每日心血管疾病急診風險預測模型，研究成果於6月12日發表在國際期刊《GeoHealth》。

研究從184項環境特徵中篩選出關鍵預測因子，發現氮氧化物（NOx）、一氧化氮（NO）、二氧化氮（NO₂）等交通相關污染物，以及風速等大氣擴散條件，是影響急診風險最重要的環境指標。團隊比較8種AI方法，發現Random Forest、LightGBM及XGBoost等樹狀集成模型預測能力最佳，對65歲以上族群的預測效果最高。

論文第一作者、台師大資工系助理教授陳翔瀚指出，過去醫療預測多聚焦個人病史，但環境也是重要且可量化的健康風險來源。北市大衛福系副教授林于凱表示，未來若能整合即時空品監測、氣象預報與健康風險模型，有機會建立區域性心血管疾病預警系統。台師大地球科學系系主任黃婉如則說，此研究證明環境監測資料結合AI能有效辨識高風險族群與暴露來源。

研究也發現不同族群的環境敏感度差異：男性急性心血管疾病就診率約為女性的1.7倍；65歲以上族群就診率約為50至64歲族群的2.4倍，更是30至49歲族群的11倍以上。65歲以上族群對環境變化最敏感，其次為50至64歲族群；女性環境敏感度略高於男性。