新聞

去年4月，新加坡發生一起商店街大火，多達16名兒童和6名成人受傷緊急送醫。新加坡衛生部隔月召集了1,700人舉辦兒童大規模傷亡救助聯合演練。以服務成人病患為主的新加坡樟宜綜合醫院（CGH）也決定強化兒童大規模傷亡事件（Paediatric Mass Casualty Incident，MCI）的應變能力。

不過，要快速培訓出具備實戰能力的急診團隊並不容易，尤其是案例相對少見的兒童大規模傷亡情境。傳統急救培訓多採用安妮訓練人偶或紙本圖卡進行模擬演練。

這類急救演練不只需要投入大量輔助人力與前置準備，也很難模擬真實事故的複雜情境與緊迫感。當多人同時參與演練時，也難以完整記錄每位學習者的表現，並在事後提供具體的改進回饋，導致培訓效率較低，也不容易擴大培訓規模。

為了解決這些問題，樟宜綜合醫院今年1月發起一項新專案，找來IBM合作，結合MR（Mixed Reality，混合實境）技術與代理式AI（Agentic AI），打造一套兼具高度沉浸感且可規模化推廣的新一代急診傷亡培訓模式。

IBM於7月21日在Think新加坡場活動中，首次公開了這套急診培訓方案。透過混合實境打造的急診室模擬場景，可重現多名數位兒童病患同時接受救治的急診現場，並搭配一套代理式AI系統，輔助醫護人員訓練，提升面對真實緊急狀況的應變能力。

混合實境在醫療教學與臨床訓練已有不少應用實例，而樟宜綜合醫院不只將其運用於大規模傷亡事件的教學演練，更進一步結合代理式AI技術，打造出一套AI評估機制，可分析學習者的語音溝通、治療行為與模擬數據，提供更客觀的評估，辨識不同應變行為的差異，並產出更有效的檢討與回顧，改變了緊急應變培訓的評估方式。

負責這項計畫的樟宜綜合醫院急診醫學部資深顧問兼客座助理教授吳志敏指出，整合AI、混合實境技術與醫學臨床專業知識後，可為兒童大規模傷亡事件的應變準備提供新一代的培訓方式。

IBM現場展示的是一個多達6名兒童需要同時接受救治的急診場景。虛擬急診室中的病床上躺著等待急救的兒童病患，系統會依據醫護人員的處置行為，即時呈現對應的臨床反應，不只透過視覺，也結合聽覺與情境壓力設計，重現大規模傷亡事件中的急迫感。


展示現場提供多人協同救治的團隊醫療情境。參與模擬訓練的人員戴上MR眼鏡後，就能看到躺在病床上的受傷兒童，流血傷口等細節相當逼真。不同人員分別扮演醫師、護理師等角色，各自操作不同的虛擬醫療器材進行處置，而模擬病患則會依據參與者的處置行為，即時呈現不同的生理反應。


樟宜綜合醫院收集了多種去識別化的兒童急診救治資料與照片，並結合IBM既有的醫療場景3D模型資產，花了6個月建立混合實境中的3D急診場景。

IBM也同步建置了一套採用代理式AI技術打造的AI評估系統。樟宜綜合醫院提供醫師針對各種創傷處置的臨床資料，以及黃金標準（Gold Standard）處置流程，作為訓練不同AI代理的重要依據。

現場設有一個MCI儀表板，可即時顯示每位參與培訓人員的角色、執行的所有動作與語音內容，方便指導教師掌握整體團隊的協作情形。


MCI儀表板也可切換至AI評估畫面，依照時間軸完整記錄每位參與者的所有處置動作，並總結每項處置行為及其影響。系統會針對每項處置行為進行評分，比較其與黃金標準處置流程的差異。不只評估個人表現，也會從團隊配置、溝通、領導、狀態監控及相互支援等面向評估整體團隊協作能力。


這套AI評估系統採用了IBM今年5月發表的新一代AI代理協作平臺IBM watsonx Orchestrate，並採用多AI代理架構設計。


其中包含三個專門AI代理，分別為團隊評估AI代理、臨床評估AI代理（Clinical Assessment Agent）與總結AI代理（Summary Agent），另外還有一個負責統籌所有AI代理的協調代理（Orchestrator Agent）。

臨床評估AI代理具備多種兒童臨床治療評估知識，包括ATLS／ABCDE急救評估法、PTS（小兒創傷評分）、PAT（兒童評估三角），以及JumpSTART與SALT大規模傷亡檢傷分類系統。針對個人的臨床處置行為，會利用思維鏈（Chain-of-Thought）推理機制先完成分析，再依據黃金標準進行標準化評量，並檢驗評分合理性。

團隊評估AI代理具備醫護常用溝通語言知識，可蒐集SBAR（醫療溝通工具）內容，也能觀察團隊成員之間的協調動作，同時串接Pediatric ICS（兒童事件指揮系統）資訊。代理會根據不同限制條件、結構化事實資料與初步推理結果，評估各角色的團隊協作與處置表現。

總結AI代理則負責整理各項介入處置結果，自動生成臨床文件紀錄，追蹤模擬病患的生理狀態變化，建立結構化事實資料，並透過迴圈式自我驗證提升分析結果的可靠性。

這套平臺底層可支援不同第三方大型語言模型（LLM），樟宜綜合醫院此次專案採用了OpenAI的GPT-Oss開源模型來微調，也可依需求改用其他模型。同時搭配一套AI治理機制，涵蓋模型風險標示、輸入與輸出監控、AI代理管理、AI使用脈絡生命週期管理，以及AI代理與工具的風險評估。

樟宜綜合醫院這項專案的目標是在9個月內培訓至少100名醫護人員，建立兒童大規模傷亡事件的急診救治能力。目前已有30多位醫護人員參與測試與培訓，待整套系統完成最後微調後，即可正式展開大規模培訓。

IBM表示，相較於傳統安妮人偶或圖卡模擬的MCI演練，結合MR與代理式AI的培訓方式具有四大優勢。第一，可降低對實體模擬設備與場地資源的依賴，減少環境建置與準備時間，並提高重複使用性。第二，可打造更逼真的沉浸式臨床訓練環境。

第三，透過AI完整捕捉演練過程中的所有互動與溝通，大幅強化事後檢討機制，讓教師能快速進行結構化且即時的分析與回饋。第四，能針對兒童大規模傷亡情境的複雜性，透過可互動的虛擬病患，設計更多元且更貼近實際情境的急救演練。

IBM也表示，這種結合MR與代理式AI的模擬訓練模式，不只適用於醫療領域，未來還可延伸至其他產業場景，例如製造工廠、辦公室等環境，支援危機管理、團隊協作、領導力培訓、災害應變、協同決策、衝突解決及客戶服務等情境的模擬訓練與評估。