丹麥醫療與生命科學2018–2019哥本哈根緊急醫療服務
112 通話中的心臟驟停機器學習警示
哥本哈根一項 112 通話心臟驟停警示的試驗發現，調度員的辨識率並無顯著提升，但模型的敏感度優於調度員
問題
調度員在緊急通話中，約漏掉 25% 的院外心臟驟停，延誤了心肺復甦術。
做法
一套模型聆聽哥本哈根打往丹麥緊急電話 112 的通話，標示疑似心臟驟停。被標示的通話隨機分配，決定是否向調度員顯示警示。這項雙盲試驗自 2018 年 9 月 1 日進行至 2019 年 12 月 31 日。模型處理了 169,049 通通話，標示了 5,242 通。
主要數據
90.5% vs 93.1%無警示與有警示情況下，調度員對確診心臟驟停的辨識率（P = .15，未達顯著；研究人員另報告警示組為 93.7%）
85.0% vs 77.5%模型與調度員單獨判斷時的敏感度比較
17.8% vs 55.8%模型與調度員的陽性預測值比較
啟示
敏感度勝過人類的模型，本身並不會改變調度員的作法。作者指出，特異度偏低與人機互動是接下來的問題。
分類
來源
來源摘要
[1]JAMA Network Open2021年1月6日
Blomberg 及其同事進行的同儕審查隨機試驗。在 5,242 通被標示的通話中，654 通經確認為心臟驟停。調度員辨識率在無警示時為 90.5%，有警示時為 93.1%，差異未達顯著；模型的敏感度較高，但特異度與陽性預測值低於調度員。
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
