新加坡樟宜醫院攜手IBM:混合實境結合代理式AI重現兒童急診培訓現場

為什麼新加坡需要新一代急救培訓?從商店街大火談起

根據iThome報導,2025年4月新加坡發生一起商店街大火,造成16名兒童與6名成人受傷、緊急送醫〔E1〕。事件發生隔月,即2025年5月,新加坡衛生部隨即召集1,700人,舉辦一場兒童大規模傷亡救助聯合演練〔E2〕。這起真實災難與其後的大規模人力演練,構成了樟宜綜合醫院後續與IBM合作開發新一代急診培訓工具的背景。

樟宜綜合醫院攜手IBM的合作啟動

根據iThome報導,樟宜綜合醫院今年1月發起一項新專案,找來IBM合作,結合混合實境(MR)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〔E3〕。IBM則於2025年7月21日在Think新加坡場活動中,首度公開這套急診培訓方案〔E4〕。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〔E5〕。原文對專案啟動與方案公開這兩個時間點的先後順序未進一步說明。

混合實境急診場景的建構規模與時間

IBM現場展示的,是一個多達6名兒童同時需要接受救治的急診場景〔E6〕。為打造這套場景,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個月時間建立混合實境中的3D急診場景〔E7〕。

AI評估系統的四層代理架構與技術底座

這套AI評估系統採用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〔E9〕。系統包含三個專門AI代理——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),合計四層代理架構〔E8〕。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OpenAI的GPT-Oss開源模型進行微調,未來也可依需求改用其他模型〔E11〕。

臨床知識如何轉化為AI評估能力?

四層代理中負責臨床判斷的臨床評估AI代理〔E8〕,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〔E10〕。這代表該AI代理的判斷依據並非單一標準,而是同時整合了創傷評分、評估三角與兩種檢傷分類法。

新加坡專案的培訓目標與進度

樟宜綜合醫院這項自今年1月啟動的專案〔E3〕,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〔E12〕。

MR與代理式AI培訓相比傳統模式的四大優勢

IBM表示,相較於傳統安妮人偶或圖卡模擬的MCI(大規模傷亡)演練,結合MR與代理式AI的培訓方式具有四項優勢: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,強化事後檢討;第四,支援更多元的情境設計〔E13〕。以樟宜綜合醫院打造的6名兒童急診場景為例〔E6〕,正是這種沉浸式訓練環境優勢的具體呈現。

這代表什麼

從2025年4月造成16名兒童、6名成人受傷的商店街大火,到隔月1,700人參與的聯合演練,再到樟宜綜合醫院自今年1月啟動、預計9個月內培訓百名醫護人員的AI培訓專案,這三組數字呈現出一條從真實災難、大規模人力演練、到系統化科技培訓的路徑。目前這套結合四層AI代理與耗時6個月建構的混合實境場景,仍處於30多位醫護人員的測試階段,尚未進入原訂的大規模培訓;IBM所稱的四項優勢,也仍待這場尚未正式展開的大規模培訓來檢驗。