定義、用途與系統界線
AI輔助多導睡眠圖自動分析系統是對多導睡眠圖的多通道生理訊號進行品質檢查、分段、候選事件偵測、參數計算和報告草擬的軟體醫療器材或醫療器材軟體功能。輸入可包括腦電、眼電、頦肌電、氣流、呼吸努力、血氧、心電、體位、鼾聲和肢體活動等訊號;輸出可包括睡眠階段候選、呼吸事件、覺醒、肢體運動、偽跡標記及彙總指標。
「自動分析」不等於自主診斷。系統的預期用途必須說明它是提示、優先排序、預評分、定量分析還是直接支援某項臨床決策,並界定患者年齡、檢查類型、使用場所、相容裝置和目標疾病。消費級睡眠估算、單通道篩檢和完整實驗室多導睡眠圖的輸入資訊不同,不能僅因都使用AI而互換驗證結論。最終診斷還需結合病史、症狀、檢查品質和專業判斷。
資料採集、相容性與品質控制
演算法效能首先受原始記錄品質限制。系統應核驗導聯名稱、單位、取樣率、濾波、參考方式、時間同步、校準、阻抗或訊號狀態,並偵測脫落、飽和、漂移、動作干擾和感測器錯位。缺失通道、替代感測器、重新取樣或廠商格式轉換可能改變輸入分布,必須按預期用途驗證,不能預設模型可以自行適應。
品質控制輸出應讓使用者知道哪些時段和通道不可用、哪些事件受偽跡影響,以及系統採取了刪除、插補還是降級分析。嚴重資料問題不能被無聲平滑或偽造成正常波形。與採集裝置、記錄軟體和醫院資訊系統整合時,需要驗證患者身分、檢查日期、時區、標註座標和匯出單位,防止通道映射或時間偏移導致整夜錯誤。
參考標準與輸出可追溯性
訓練和測試標籤應基於適用的睡眠分期與事件評分規則,並記錄規則版本、epoch長度、專家人數、爭議裁決及重評分方法。人工評分本身存在觀察者差異,因此參考標準可以採用經訓練評分者、共識或裁決流程,但必須透明。不同規則版本、不同缺氧定義或兒童與成人標準會改變標籤,不能混入同一資料集後只報告一個籠統準確率。
系統應保存輸入版本、模型版本、預處理、每個epoch或事件的輸出、人工修改、最終簽署者和匯出報告之間的稽核鏈。適合時可呈現信賴度、候選片段或觸發證據,協助複核者定位不確定和高風險區域,但信賴度不是機率保證。任何自動更正、批次接受或人工覆寫都要留痕,使錯誤調查、品質改善和臨床複查能夠重現當時結果。
驗證設計與效能解釋
開發集、調參集和最終測試集應保持獨立,並避免同一患者、同一重複夜或高度相關記錄跨集合洩漏。驗證人群需要涵蓋預期使用中的年齡、性別、膚色相關感測器表現、共病、疾病嚴重度、藥物影響、裝置型號、中心和訊號品質。僅在單中心、排除困難記錄或高度乾淨資料上獲得的結果,不能代表常規臨床環境。
效能應按具體任務報告。睡眠分期可報告混淆矩陣、逐階段敏感度、陽性預測值和一致性指標;事件偵測還需說明事件級配對規則及對臨床指數和嚴重度分類的影響。總體準確率可能掩蓋少見階段或特殊人群的失敗。應提供信賴區間、失敗與不可分析比例、外部資料結果、亞組表現和與人工評分者差異的比較,並評估系統加入後的人機團隊表現,而非只評估脫離工作流程的模型。
人工複核與臨床工作流程
部署時應明確睡眠技師和醫師分別複核什麼、何時必須重評分、誰能批次接受以及誰對最終報告負責。專業人員需要能夠查看原始波形、編輯階段與事件、處理偽跡並拒絕整項分析。系統不應透過預設全選、隱藏不確定性或時間壓力誘導自動化偏誤;高不確定、超出適用範圍或關鍵通道缺失的檢查應被醒目標記並進入人工流程。
引入系統前,機構應使用本地裝置和代表性病例做驗收測試,建立基線、允許偏差和回退方案。上線後不僅要比較節省的評分時間,還要監測漏診、誤報、人工修改率、報告周轉、複查差異和對患者處置的影響。停機、網路故障或版本異常時,實驗室必須能安全繼續或轉回經驗證的人工流程,不能讓服務連續性依賴單一雲端模型。
生命週期、更新與網路安全
模型、預處理或相容裝置變化都可能改變效能。製造方應採用受控版本發布,說明更新內容、驗證範圍、適用界線和回復方法;若允許事先計畫的模型變更,應依適用監管要求定義可變內容、開發與驗證方法及影響評估。系統不應在臨床現場利用新資料靜默重訓後直接改變輸出。機構需知道何時更新、如何複驗以及舊報告由哪個版本產生。
上市後監測應關注資料漂移、亞組差異、異常修改率、軟體缺陷和安全事件,並規定觸發調查、通知、暫停或矯正措施的閾值。網路安全需涵蓋身分驗證、最小權限、加密、日誌、介面校驗、漏洞管理、備份復原和事件回應。多導睡眠圖含有可識別健康資料,傳輸至雲端、跨境處理或用於再訓練時要有合法依據、資料最少化和清楚的保存及刪除規則。
監管、倫理與採購治理
系統是否屬於醫療器材、風險等級、許可路徑及變更要求取決於預期用途和銷售地法規。製造方需建立品質管理、風險管理、軟體生命週期、可用性、臨床評價和上市後監督文件;醫療機構還應核對獲准用途是否涵蓋本地患者、檢查類型和工作流程。研究效能、監管許可和商業宣傳是不同概念,不能用論文發表或「AI」標籤替代相應合規與臨床證據。
採購與治理團隊應包括睡眠醫師、技師、工程、資訊安全、隱私、品質和患者代表,審查資料來源、利益衝突、失敗模式、供應商支援、資料可攜性和退出方案。應評估自動化是否在不同人群中放大偏差,是否改變人員訓練與責任分配,以及患者如何得知AI參與分析。AI的合理角色是提升一致性和效率、突出需複核內容,而不是模糊責任或削弱面向患者的臨床判斷。