胸悶、胸痛、心悸或易喘等疑似冠狀動脈心臟病患者
臨床安排接受運動心電圖（Treadmill Test）檢查之病人
心臟內科臨床醫師與醫事檢驗技術人員
本系統以人工智慧（AI）為核心，利用深度學習技術轉化巨量臨床資料，建構出高精準度的神經網路模型，旨在輔助臨床偵測嚴重冠狀動脈疾病（CAD）。
傳統運動心電圖判讀仰賴醫師人工檢視，通常需耗時3至15分鐘。本系統創新整合患者在各運動階段的心電訊號與關鍵生理量測特徵，能在檢查完成後1分鐘內自動產出AI判讀結果，並將結構化報告無縫同步至門診系統。這不僅能大幅提升醫師決策效率與診斷精準度，更能協助臨床端快速識別高風險患者，落實「檢查即判讀、高危早介入」的智慧醫療願景。
多維特徵融合： 結合各運動階段心電訊號與12項生理特徵，AI模型精準度高
即時高效判讀： 1分鐘內自動完成分析，相較傳統人工判讀大幅縮減80%以上時間
無縫臨床落地： 門診系統整合「AI Button」，一鍵讀取結構化報告，優化工作流
在地資安防護： 地端院內網路封閉運行，完全符合醫療個人隱私安全規範
持續優化機制： 內建醫師意見反饋欄位，透過反饋數據持續進行模型校正與迭代
卓越實證表現： 臨床驗證AUC達0.882、敏感度87.5%、特異性77.8%
2010至2019年間，院內共執行 35,136 次運動心電圖檢查（月均200-300案）
2022年5月試上線至2023年5月，系統已成功輔助判讀 4,935 次運動心電圖
截至目前，臨床實際導入落地服務已造福約 5,000 名患者
高準確診斷率： 系統AUC 0.882、準確率(ACC) 78.9%、F1-score 0.47
優異篩檢敏感： 敏感度達87.5%，顯著優於傳統醫學文獻平均之68%
良好特異表現： 特異性達77.8%，維持與傳統醫學文獻（77%）相當之水準。
極低漏診風險： 臨床偽陰性（FN）比例僅佔1.3%，有效避免嚴重高危病人漏診
偽陰性（FN）比例僅1.3%，確保重症患者獲得即時警示與轉介
完整流程皆於中國醫藥大學附設醫院院內網路進行，阻絕外部威脅，保障病患隱私
醫師工作流優化： 超過90%受訪心臟科醫師表示AI結構化報告能有效節省病歷書寫與判讀時間
技術員流程精進： 技術人員反饋1分鐘快篩能更具信心地協助警示高風險受檢者
國際期刊發表： 論文《Deep learning analysis of exercise stress electrocardiography for identification of significant coronary artery disease》已發表
專利技術佈局： 發明專利已取得（案號：CP-6123-TW），名稱為「基於運動心電圖的冠狀動脈心臟病風險評估方法及其系統」，專利權人為中國醫藥大學
產學商化推進： 預計與長佳智能（EverFortune.ai）簽署商品化合作開發計畫
法規認證評估： 持續與財團法人醫藥品查驗中心（CDE）諮詢，積極評估與推進 TFDA 及美國 FDA 510(k) 醫療器材許可證申請
早期介入：技術人員可於檢查完1分鐘得到AI判讀結果，建議高風險病人提早回診，及早介入治療
成本與效率：降低醫療機構人力和時間成本
降低病患風險：降低病患等待風險和不確定性
精準篩檢：快速而準確地辨認嚴重冠狀動脈阻塞的高風險病人
臨床輔助：輔助醫師，增加判讀的效率與準確率
臨床成功案例：75歲陳伯伯經AI判讀系統顯示CAD機率高達72%，安排心導管檢查後發現左前降支狹窄高達99%，立即進行支架植入手術，成功解決血管阻塞問題
