CPET

之前做了心肺運動測試（cardiopulmonary exercise testing, CPET）自動判讀的工具，做得有點慢🤣，但也因為慢，有些事情想得比較清楚。這篇把整套做法攤開來講：AI 在哪裡、程式在哪裡、醫師在哪裡，還有為什麼這三個位置不能換。 先講清楚：它產出的是參考稿，不是自動判讀 無氧閾值（AT／VT1）、呼吸代償點（RCP／VT2）、peak 的時間點，由醫師標，程式不猜 AACVPR 風險分層的紅綠燈沒圈完，程式擋住不讓產生報告；真的判不出來才走頁內二次確認，而且會記進稽核 結論是照院內模板的六選一固定選單加一項「都不適用」，引擎只給建議、理由和出處，醫師可以覆寫 報告上每一個欄位都可以手動修改。機器負責把數字備妥，判讀的還是人 第一條原則：AI 不進醫院的電腦 跟醫院的資料對接，第一件要想的事情是病人安全。 我的做法是：用 AI 來設計程式，再用程式去跑醫院的資料，而不是把 AI 直接接到醫院的電腦裡面，讓它自己去讀。畢竟那台電腦裡有太多不該被讀到的東西。（病歷要貼給 AI 之前該先做什麼，之前在《病歷不能就這樣貼給 AI》寫過一篇。） 所以我給 AI 的，是「報告做完之後會產出哪些資料」這件事本身。CPET 儀器匯出時會同時吐出幾份表格檔，肺功能一份、體組成一份，都是能快速讀取的純文字或 CSV。把這些檔案的結構、我自己判讀過程的筆記、還有科內既有的報告模板一起給它，它就能把「這份報告到底是怎麼判讀出來的」重建成一支程式。 規則講清楚，電腦就有機會替我們跑完。這其實就是把我們平常在腦子裡做的資料判讀，外部化成一份看得見的東西。 一個插曲 一開始以為只能靠 OCR 讀 PDF 報告，操作者要手填 18 個欄位。後來發現儀器匯出時其實同時產生了一份純文字的 .xls，改成直讀之後，需要人工填的欄位剩 5 個。工具做慢一點的好處之一，就是有時間回頭看資料源。 每一條切點都要指得出出處 外部化的好處是，規則被攤開來看，就會發現有些地方需要對答案。 引擎裡每一條判讀切點，我都要求指得出來源：這條印在哪份報告模板的第幾節、那條出自教科書哪一版。科內五份報告模板（心肌梗塞、心衰竭、COPD、氣喘、心臟移植）是所有切點的唯一真相源。像是 AACVPR 的風險分層切點，有新舊兩版，過程中就要每條確認好是使用 2021 年第六版。 還有一條原則我覺得比切點本身更重要：算不出來的欄位就留白，不猜，也不預設為正常。空著的欄位人看得到，會去補；自動填成「正常」的欄位，沒有人會再看第二眼。 （規則先寫清楚再叫 AI 做，跟《先講清楚，再叫 AI 做：規格驅動開發》講的是同一件事，只是這次的規格是醫學上的切點。） 機器出的錯，常常很安靜 同一套匯出格式，不同單位吐出來的檔案，實測值跟預測值的欄位順序居然是相反的。程式一開始寫死讀第一欄，就把預測值當成了實測值。breathing reserve 從 −62% 變成 +41%，整份報告的結論會翻面。 這種錯不會跳出紅字，它會安安靜靜地產出一份看起來很正常的報告。所以人必須留在迴圈裡：判讀表單上每一個欄位都可以手動修改，機器只負責把數字備妥。 讓每一次判讀都留下紀錄 上面那件事讓我想到一個問題：安靜的錯，要怎麼被發現？ 靠人記得是不行的。所以我把整套系統加了一層稽核紀錄：每產生一份報告，就在本機留下一行，記錄這一次判讀的完整經過。 不只是記「人改了什麼」，我最後記了七件事： 人工修改：哪一欄、機器判什麼、人最後填什麼，還分成「改值／補填／清空」三種動作 資料來源與備援：這次的 MVV 是用實測還是 FEV1×35 推的？HR recovery 是機器給的還是我自己從原始表算的？肺功能檔的欄位順序判成哪一種？ 警示有沒有被理會：跳出來一百次都沒人動的警示，其實應該刪掉，這份紀錄就是刪它的依據 無氧閾值的判定：機器標的位置，跟我最後選的時間點差多少 留白的欄位：某一欄如果十份有九份都是空的，那是資料來源缺了，不是技師偷懶 解析失敗與不認得的檔案：以前這些只閃在畫面上，重整就消失了 當下的程式版本：這條我覺得最容易被忽略。沒有版本號，半年後回頭看那些修改紀錄，會不知道當時的規則長什麼樣，整份紀錄就等於作廢 紀錄留在本機，跟病人資料同一個等級，不進版本控制也不外傳。要拿出去討論的時候，另外有一個匯出指令，產生的摘要只有次數和比率，沒有病歷號、沒有姓名、也沒有任何生理數值。連警示文字裡技師手打的那一段都會被截掉，因為那裡可能出現人名。 ...