題目敘述
(1)題目背景(含現行自身/同業處理方式)與產業重要性
救護工作為消防主要勤務之一，本局109年緊急救護服務出勤次數高達43,761次，送醫次數為35,799車次(急救送醫人數為37,466人)。在執行到院前緊急醫療救護的案例中，以心血管疾病到院前心肺功能停止(OHCA)的案例較為危急。而衛福部統計資料顯示，心臟疾病蟬聯107-109年國人十大死因第2名，其中又以急性心肌梗塞最為緊急，嚴重者甚至會造成OHCA。
為縮短心肌梗塞患者心臟缺氧受損時間，心電圖是診斷急性心肌梗塞相當重要的依據，本局救護車配置「即時無線傳輸12導程心電圖裝置」，用來即時監測記錄患者心電訊號變化，透過系統即早將心電圖傳送至醫院端，以儘早啟動心血管處理小組，提升病患的存活率。
心電圖判讀雖有設備能夠自動判讀(心電圖設備自動判讀病徵種類及準確率如圖1)，雖會針對比較危急的4種個案(STEMI、VT、VF、頻脈)提出警示代碼，判讀的準確率如附件所示，但實務上機器本地端判讀仍有不少限制，以STEMI為例，目前判讀狀況不到5成。
如果能夠透過機器收集的資料及相對應的AI機器學習，運用開放資料與強化後續應用，提升判讀病徵的準確率，將更能提供病患最即時、充分與有效的到院前、後醫療照護。
針對EKG圖片在救護過程中的實務經驗，都是以圖片方式呈現，目前在醫學使用上或AI自動辨識上皆以心電圖圖樣作判別，因此圖形使用在判讀上精準度無疑義。目前心電圖機台端，最快可10-30秒就能產製完成病患的心電圖狀況，讓機器端判讀或是進一步透過醫生人工判讀，產出的圖片範例如下圖所示(圖2)。
(2)問題情境與痛點(Pain point)：
心血管疾病長期高居國人十大死因的前三名，依據衛生署統計，國內大約有145萬名心臟病人。15歲以上民眾，每19人就有一人罹患心臟病，其中大多數是心血管疾病，而65歲以上老人則每5人就有1人患病。
為提升心臟病患的存活率，108年起本局於救護車上配置「即時無線傳輸12導程心電圖裝置」，並與責任醫院攜手合作成立「LINE護心守衛群組」(圖3)，將心電圖即時上傳LINE群組，透過群組內24小時待命心臟專科醫師的判讀，將給予及時的鑑別診斷。一旦確認為急性心肌梗塞並需緊急手術，醫院就會在救護車抵達前召集團隊，完成手術準備。
目前，這類用於救護車上量測心電圖的設備並不罕見，然而此技術與流程仍有未臻完善之處。過去量測心電圖時，由於救護車車內環境侷限、常處於移動狀態，加以患者自身因素影響(例如因疼痛而肢體扭曲…)，所測得的數據多數不夠精確，系統測得數據顯示異常（Abnormal）的狀態居多，除非是典型心肌梗塞的症狀，才會顯示AMI（Acute myocardial infarction）的畫面。
這導致幾乎所有異常的心電圖狀態都要回傳給合作的責任醫院醫師，透過LINE群組再次判斷是否為心肌梗塞。然而，醫生不一定能夠第一時間回覆判讀結果，且這些額外的通知與判斷過程也一定程度的增加了醫生的負擔。
因此，希望能進一步提升檢測判讀的準確率並將結果再分級，結合AI-BOT(於LINE中)之後回傳資訊讓醫生只需判讀極有可能為AMI的病例，就能讓整個流程更有效率。
(3)預期透過AI達到的目的與利益點(Gain)：
考量心電圖坊間已有相當龐大之病徵樣本資料庫(詳請參照資料就緒度與細節說明)，且諸多影像辨識演算法已具有相當之準確率，加以內政部消防署「救急救難一站通計劃」緊急醫療資料交換標準傳遞框架的推動(如下圖4、圖5)。
本局欲透過EKG設備收集的資料、搭配坊間心電圖病徵樣本資料及相對應的AI-BOT，串接資料加強後續應用並提供線上輔助判讀服務，提升判讀病徵的準確率。
期望可以使用EKG設備蒐集到院前緊急救護胸痛病患的心電圖資料，輔以坊間心電圖病徵樣本資料加以訓練後，提升其判讀準確率並建立：
1.心電圖自動判讀AI-BOT(於LINE中)
期望利用本案產出成果能讓醫生協助判讀極有可能為AMI的病例即可，同時也期望本案成果能讓民眾使用類似個人生理監測裝備，串接AI-BOT獲取即時就醫建議，甚至於主動通知其家人身體不適狀況。AI-BOT的受眾不僅是醫護人員也包含全民，因此解題團隊也需協助改善NLP處理輸入語言的模糊性以及有瑕疵的輸入。
2.心電圖病徵開放資料庫：
指本局在救護過程中蒐集的資料，要請團隊加以資料清理與整理後，開放給大眾使用進行資料的擴散運用
3.開放資料介接API
用以救護員及胸痛患者上傳心電圖圖像後提供自動判讀機率及後續服務，除可縮短急性胸痛患者處理時間，亦可提供病患守護自我健康，未來可整合至醫院HIS資訊系統、可攜式裝置或穿戴式裝置，能提供全國民眾最即時、充分與有效的日常及到院前、後醫療照護。
(4)技術完成後的使用對象：
考量目前可攜式心電圖裝置或穿戴式心電圖監測裝置正逐漸普及，惟心電圖監測後結果仍須經過專業判讀。為此本案藉由解題團隊提升心電圖自動判讀的精確性，並建立心電圖自動判讀AI-BOT、心電圖病徵開放資料庫及介接API，完成後成果推廣全臺消防、醫政、醫務及全國民眾甚至全世界使用。
(5)成果應用方式及情境等內容：
未來可將本案成果與現行到院前緊急醫療系統相結合，即時輔助胸痛原因研判，也可與官方帳號、開放資料服務提供病徵機率判讀服務，方便民眾了解自身健康情況，必要時提供緊急連繫管道，方便救援單位調派救援能量前往協助，縮短救援時間，提升救援效率。亦可將此成果結合穿戴式裝置或作為行車安全駕駛輔助系統使用。
此外因應臺灣社會人口高齡化日漸嚴重的趨勢，此資料庫可應用於居家長照及醫務管理上，若長者或受照護者心電圖發生異常，便能發出警報或透過平台即時通知照護者或家人。
資料型態
資料集整備度與細節說明
1. 已標註完成之12導程EKG病徵圖像JPG檔100張(解析度1024*768)
2. 救護車載12導程EKG圖像JPG檔1,500張(解析度1024*768)
3. 去識別化個人資料1,000筆
備註：
1. 解題團隊可參考以下聯結，下載更多EKG病徵圖像open data：
(1) 心電圖病徵樣本資料庫
https://physionet.org/about/database/
https://www.kaggle.com/shayanfazeli/heartbeat
https://physionet.org/content/mitdb/1.0.0/
(2) 人工智慧心電資料庫的研究與應用
https://www.hea.com.tw/infoDetail.asp?id=2074
2. ECG/EKG的開放資料多數亦以圖庫方式呈現，本局救護車產出資料亦為PDF轉出之圖像，為進行本題影像AI辨識
3. 案例件數會隨著時間慢慢增加，本機關會利用公務資源及其他有建置EKG的單位進行合作
期望成果需求
期望心電圖判讀正確率達60%以上，並建立：
1.心電圖自動判讀AI-BOT(於LINE中)
2.心電圖病徵開放資料庫
3.開放資料介接API
成果展示需顯示上述成果，並拍攝上述成果操作展示影片。
可提供之解題資源
現有12導程EKG及使用流程
負責窗口2人
救護現場胸痛模擬情境
到院前緊急救護流程說明及演示
額外獎勵誘因
無
出題單位
屏東縣政府消防局
單位(公司)簡介
本局擬藉由過往救護車載12導程心電圖機EKG設備收集的資料，依循既有開放資料格式建置開放資料後，搭配坊間心電圖病徵樣本，提升判讀病徵的準確率，建立起相對應的AI-BOT，串接資料加強後續應用並提供線上輔助判讀服務，藉此充分利用12導程心電圖資料與加強後續擴散應用效益。
其他備註
1. 依本局資安規定，不接受外部連線要求
2. 需簽訂保密切結書
