本中心潘恆宇醫師近日代表台灣大學參加了2023年美國心臟學會（AHA）年會，並在會上以論文海報形式發表了題為「Automated Estimation of Computed Tomography-Derived Sex-Specific Left Ventricular Mass Using 12-Lead ECG-Based Temporal Convolutional Network」的最新研究成果。該研究利用深度學習模型分析12導極心電圖（ECG），預測病患左心室質量，展示了在心臟病學領域中應用人工智慧技術的前沿進展。

潘醫師在年會上向來自世界各地的醫師與研究者分享了團隊的研究成果，強調了該技術在心電圖應用中的潛力。該研究基於深度學習的Temporal Convolutional Network（TCN）模型，能夠自動分析心電圖訊號，並精確估算出基於電腦斷層掃描所得之性別特異性左心室質量。這一創新技術為心臟病患者的診斷與治療提供了新視角，並有望提升臨床醫療的精準度。

在年會中，潘醫師及其團隊也積極向來自全球的研究團隊學習，尤其是美國耶魯大學（Yale University）New Haven的CarDS Lab，他們在研究中應用了約130萬張臨床心電圖圖像，並使用BEiT transformer作為編碼器及GPT作為解碼器，實現了心電圖圖像的自動文字診斷生成。該研究成果在心律相關診斷的AUC（曲線下面積）評估中，達到了超過0.9的高水準，展現了人工智慧在心臟病學診斷中的強大潛力。

此外，本次年會也討論了人工智慧技術在心臟病學領域發表高分期刊論文的要點。JAHA和Circulation期刊的編輯群指出，為了在這些高影響力的期刊上發表研究，研究必須具備創新性、資料的泛用性與品質、診斷與預後的重要性、外部驗證的完整性以及對臨床醫療的實際影響力。

來自加拿大卡爾加里大學（University of Calgary）的學者則分享了人工智慧在臨床應用的三個階段：第一階段是增進檢查判讀效率；第二階段是發現新的疾病風險指標；第三階段是應用於臨床決策系統。此外，他們還強調了建立負責任的人工智慧輔助工具的重要性，這需要從建立多樣性且透明的資料集開始，經過嚴謹的回溯性外部驗證，並最終通過前瞻性研究來分析其對臨床預後的影響。

潘醫師表示，此次年會交流讓他們更加深刻理解了人工智慧在心臟病學中的應用潛力，並期許未來能將這些技術更廣泛地應用於臨床實踐中，為病患帶來更多福祉。