台灣醫療與生命科學2021 – 進行中中國醫藥大學附設醫院
用於敗血症與抗生素決策的智慧抗微生物系統（iAMS）
台灣一家醫院自行開發敗血症與抗生素選用 AI，估計每年可避免 22 人死亡
問題
依該院說法，台灣敗血症死亡率最高達 29.2%，而傳統培養檢驗需數日才能得知存在何種細菌、何種抗生素有效。醫師必須在結果出爐前選用抗生素，現有評分工具對敗血症的預測效果也僅屬中等。
做法
台中的中國醫藥大學附設醫院以約 40 人的內部團隊開發 iAMS。該平台將質譜儀等實驗室儀器連接至預測敗血症、7 日死亡風險與抗生素抗藥性的模型，並將結果與處方警示推送至醫院資訊系統。敗血症模組於 2021 年 4 月上線，整體平台於 2021 年 6 月啟用。
主要數據
22約 1,600 名急診菌血症病患每年可避免的死亡人數（醫院估計）
NT$7.33m同一病患群每年可避免的健保支出（約 24 萬美元）
146,4382021 年 6 月至 2022 年底系統的累計使用次數
up to -75%醫師決定抗生素處方所花的時間
啟示
2022 年，院內人員每月開啟該系統約 11,000 次。死亡率結果來自與 2020 年同一季的比較，並未設置對照組。
分類
來源
來源摘要
[1]China Medical University Hospital2023年3月10日
該院表示，一支 40 人團隊開發了 iAMS，於 2021 年 6 月上線，至 2022 年底累計使用 146,438 次。院方稱敗血症死亡率較 2020 年同一季下降，並估計在每年約 1,600 名急診菌血症病患中，可避免 22 人死亡及約新台幣 733 萬元的健保支出。
[2]HIMSS (Davies Award case study)2023年6月
該院 AI 與資訊部門主管在參選 2023 年 HIMSS Davies Award 的申請資料中表示，敗血症模組自 2021 年 4 月起使用逾 65,000 次，模型準確度逾 80%。他們估計每年可避免 22 人死亡及約新台幣 733 萬元的健保支出，並稱抗生素決策所花時間最多減少 75%，每月抗生素費用減少 2.66% 至 19.66%。
詳細內容請參閱原始資料。
收錄日期 2026年10月25日 · 更新日期 2026年10月25日
