AI進醫院最難的從來不是寫代碼，而是怎麼讓一線醫生真正願意用、敢於信。南洋理工大學李光前醫學院將於2026年12月3日至5日舉辦國際醫療AI大會（iAIM）。多倫多大學T-CAIREM主任穆罕默德·馬姆達尼（Muhammad Mamdani）將赴新加坡分享一套已在多倫多病房真實挽救生命的臨床AI系統。
每小時算170個指標，死亡率降26%
在多倫多聖麥可醫院（St. Michael's Hospital）的內科病房，一套名為CHARTwatch的AI系統早已進入日常輪值。它每隔一小時自動抓取病患150至170項體徵指標、檢驗報告和基礎病歷數據。只要算法測算出患者在未來48小時內有惡化轉入重症監護室（ICU）甚至死亡的高危風險，便會搶先一步通知床位醫生與護理團隊介入排查。
這套系統最終給出了實打實的臨床戰果。根據團隊發表在《加拿大醫學協會期刊》上的評估結果，CHARTwatch的常態化預警讓病區患者的意外死亡率直降26%。這遠超馬姆達尼團隊立項初期定下的及格線——當時他們預估相對死亡率能壓下10%就已算成功。
Our published study in the Canadian Medical Association Journal demonstrated a 26% reduction in unexpected mortality. 醫生憑什麼信它？先用數據摸底
把算法推進病區，技術往往不是第一道坎，如何面對資深醫生的質疑才是。一線醫生憑多年看診經驗把關，難免會懷疑這台黑盒子會不會添亂。馬姆達尼團隊沒有急著用學術論文說服大家，而是先做了一場面對面的對照摸底，讓醫生憑經驗獨立預判患者接下來是否會急劇惡化。
摸底數據很直觀：即便是資深醫生，單靠經驗在短時間內預判病情急轉或ICU轉診的精準度也較為有限，而AI模型在多維度交叉比對下的準確率明顯拉開了差距。這項對比讓一線醫生意識到，算法不是來指手畫腳的，而是用來掃清人力監測盲區的一道安全屏障。
為徹底打消臨床顧慮，團隊還在運維環境里執行了長時間的靜默測試，在不干擾實際診療的前提下反覆篩查算法偏差、模型漂移與穩定性隱患。正式鋪開後，醫院又針對性開展了AI素養培訓，指導醫護人員看懂預警邏輯並順暢融入日常查房流程。
By showing that clinicians' prognostic accuracy for outcomes such as death or ICU transfer was relatively poor, and that the AI model performed substantially better, we established a clear value proposition for its use. 12月相聚南大，探尋醫療AI落地解法
復盤CHARTwatch的上線全過程，馬姆達尼給醫院AI轉型的同行留下一條核心建議：醫療AI從來不是純粹的技術工程，而是一場涵蓋醫生、護士、工程師和管理層的多學科協作。單次採購算法只是第一步，醫院必須建立長期的運維與治理體系，確保算法不會因時間推移和患者群體變化而出現失效漂移。
2026年12月3日至5日，由南洋理工大學李光前醫學院主辦的國際醫療AI大會（iAIM）將在新加坡舉行。本次會議以「重新審視醫療AI」（Rethinking AI for Medicine）為題，馬姆達尼將攜這套系統的全套落地經驗親臨現場，與全球學者共同探討醫療智能化的真實邊界。目前大會已開放官方線上報名通道（event.ntu.edu.sg/iAIM）。
Successful AI development and adoption is fundamentally a team effort, not just a technology project.
📌 要點總結
✦ CHARTwatch通過每小時監測150至170項參數，使內科患者意外死亡率降低26%
✦ 推行難點在於臨床信任，團隊通過人機對照實驗與靜默測試最終實現落地
✦ NTU李光前醫學院iAIM大會將於2026年12月3日至5日召開，現已開放報名
感興趣的師生可前往NTU官網註冊iAIM大會
