三人团队谭永安（左起）、陈婉伶和陈伟轩（视频人物）在南大李光前医学院副教授黄毅莹（右一）的指导 下，开发trAIge智能聊天机器人。它能先行采集病患的病史，有望缩短急诊部门等候时间，从而改善急诊部门 的流程。（梁麒麟摄）
Lianhe Zaobao (6 May 2024)
三名好友集思广益，设计出一款名为“trAIge”的生成式人工智能聊天机器人。trAIge能模拟医疗人员，通过各种问答方式先行采集病患的病史，巧妙地在病患还未出门或正等待分诊时提前介入，再总结所得信息，评估病患情况的紧急程度。
智能“小护士”未来可助病 患判定自己是否须要到急诊部门接受紧急治疗，也能为在急诊部门候诊的病患进行初步病史采集，让病重的患者可更快且优先获得治疗，改善急诊部门整体流程。
有些人在家中出现头痛、腹泻、晕眩等症状时会因心急， 连忙前往医院急诊部门。但不少病例经医疗人员检查和分诊 （triage）后，发现情况并非紧 急，病患结果须在急诊部门等候 数小时。
三名好友，谭永安（22岁，南洋理工大学李光前医学院三年 级生）、陈伟轩（21岁，英国伦 敦大学学院医学院一年级生） 以 及陈婉伶（24岁，研究员）为此集思广益，设计出一款名为“trAIge”的生成式人工智能聊天 机器人。
分诊是急诊部门医疗人员根据病情严重性，决定病患治疗顺 序的一套标准流程。
trAIge模拟医疗人员，通过各种问答方式先行采集病患的病 史，巧妙地在病患还未出门或正等待分诊时提前介入，再总结所得 信息，评估病患情况的紧急程度。 问题包括：“ 今天为何来求医？”“ 近期是否有头部创伤？”，以及“是否开始服用新药 物？”等。
谭永安强调， 系统不会也无法取代护士和医生的角色， 只是利用病患在候诊的时间， 获取基础信息，加快接下来的分诊流程。
机器人生成的资料总结不仅能帮助医疗人员快速了解个别病 患的总体情况，也能让他们及早识别急需治疗的病患。
陈婉伶也说，团队的设计理念是希望能够充分利用病患就诊前的时间；未决定是否要前往急诊部门的病患或许与机器人互动 后，会选择到全科诊所就诊；已经在急诊部门的病患则能通过机器人提供资料，帮助医疗人员消 化信息。
研发过程中，团队也获得医疗保健创新中心数码及智能保健处主任、南大李光前医学院副教授黄毅莹的建议和指导。
急诊部接收病例40%属于非紧急
急诊部门时不时会遇上病患人数激增的情况，但值班人员有限，很难第一时间向每名病患询 问详情。
黄毅莹说，患者这时便可扫描一个QR码，先与trAIge互动、 填写病史。“第一，聊天机器人不会感到疲倦，所以病患能输入更多、更详细的病历。第二，如果有很多人在排队，且都在使用trAIge填写病史，医疗人员便可立 即开始安排他们的问诊顺序。”
他指出，有了更全面的信息，医疗服务也会改善；除了能为病患提供更具针对性的服务和 资源，也有助医疗人员更快进行诊断和治疗。
非急诊病例是急诊部门的一大痛点。在本地急诊部门接收的病例中，约有40%属于非紧急情况。
这群担心病情却不知何处寻医的病患，也能通过与trAIge的互动，有效断定自己是否有必要到急诊部门，或只须到住家附近的全科诊所得到医疗帮助。
谭永安解释，病患的情况若不算紧急，在分诊后不会被安排优先治疗，最终或许须等待六至七小时。
他说：“我们希望聊天机器人能向这些患者保证，他们实际上并无大碍，也不需要紧急护理，因此到全科诊所看诊会得到更好的服务。这样我们就能将病患从急诊部门转移至基础医疗， 减轻急诊部门的压力。”
判断与医生一致
智能“小护士”获好评
团队近期在陈笃生医院进行了小规模的试验，并得到了医疗人员和病患不错的反应。他们也发现，机器人做出的判断与医生大致上相同。
陈伟轩指出，团队会在项目稳定后做进一步研究，包括如何让年长者或无法打字的公众也能轻易使用trAIge。
聊天机器人目前还处于概念验证（proof of concept）的阶段，属于研发初期，团队打算接下来申请研究资金支持这一项目。
团队认为，若能在未来推行，
trAIge将有望缩短急诊部门等候时间、减轻急诊部门压力及造就更精准的诊断和更妥当的护理。