急性腎損傷(Acute Kidney Injury, AKI)是加護病房重要議題，本技術蒐集照護過程中臨床數據，運用人工智慧技術，預測未來發生AKI風險，建立預測、警示、處置建議的閉環系統，提升照護品質。開發的技術如下：(1)初始模型建立：利用2015~2019年共13,888筆入住加護病房資料建立預測模型，2020年共2,897筆資料進行內部驗證。使用特徵共60個，包含臨床生理數據、藥物與檢驗，預測結果AUROC可達AUROC：0.921(2015-2019), 0.928(2020)。(2)初始模型特徵縮減：我們用LASSO(The Least Absolute Shrinkage and Selection Operator)方式選取21個重要特徵進行模型訓練後，整體AKI預測鑑別力仍維持AUROC：0.911(2015-2019)。因此以此精簡模型進行後續模型優化。(3)模型進行跨院驗證：邀請四家醫學中心提供模型所需的參數，驗證中榮開發的AKI預測模型，整體AUROC可達0.833以上。(4)聯邦學習共同訓練：透過研華科技建立5家醫院聯邦學習的平台共同訓練，最終產出的Global model，5家醫院對各自的資料做預測，預測結果皆優於單用中榮模型所做的外部驗證。(5)模型掛載建立即時推論和互動式儀表板：將AKI模型掛載到WISE-PaaS平台，病人入住加護病房滿30小時後，蒐集即時的生理、用藥、檢驗進行推論，輸出預測AKI發生風險機率值及特徵權重值的排序，並同步介接病人使用腎毒性相關藥物及相關臨床數據整合在儀表板上，提供給予腎毒性藥物提示及因應腎功能調整藥物劑量之建議，供臨床參考。(6)和醫院醫療資訊系統(E-HIS)介接臨床應用：使用資料拋轉工具(Extractor, Transfer & Loader, ETL)建立傳送資料Job (工作任務)，每個Job設定每小時讀取各資料庫的資料並傳送至WISE-PaaS Database進行推論。推論結果同步更新至院內E-HIS，臨床人員可由單一系統得知AI推論結果，內化為E-HIS的一部分，方便臨床人員使用。(7)完成“人工智慧急性腎損傷預測：即時推論互動重症照護系統”產品化：整合上述技術與成果，簡化設計一軟體，讓本產品易導入E-HIS進行臨床應用。目前已完成產品雛型，申請軟體醫材認證中。