任何醫療 AI 演算法若要從實驗室走入臨床日常，決定性的試金石唯有「嚴謹的多中心臨床場域驗證」。數匯健康科技（DHI）智慧超音波系統在多家台灣醫學中心與區域教學醫院完成多階段臨床場域驗證，針對急重症與心臟衰竭病患進行雙盲對照，證實 AUTO-EF 不僅達到與資深心臟專科醫師極高的一致性（ICC = 0.92），更將臨床量測耗時大幅降低 80% 以上。
一、 臨床驗證研究架構與受試者分群
為求最真實反映第一線臨床複雜度，本臨床場域驗證涵蓋急診檢傷區、內外科加護病房（ICU）及心臟科檢查室，收案納入多樣化心功能梯度的連續病患：
- 廣泛的心功能覆蓋：收錄 LVEF 正常群（LVEF ≥ 50%）、中度減損群（LVEF 40%–49%）以及重度收縮功能不全群（LVEF < 40%），包含急性心肌梗塞、擴張型心肌病變與敗血性心肌病變病患。
- 雙盲獨立對照設計：由兩位具備 10 年以上資歷的心臟專科主治醫師依循美國心臟超音波學會（ASE）標準，以人工手動 Simpson 雙平面法作為黃金標準（Gold Standard），對比 DHI AUTO-EF AI 自動判讀結果。
r = 0.94
專家皮爾森相關係數
p < 0.001，與心臟專科黃金標準高度線性正相關
0.92
組內相關係數 (ICC)
95% CI: 0.89–0.95，展現極高評估者間信度
-80.8%
臨床量測時間縮減
平均單人次耗時從 9.4 分鐘降至 1.8 分鐘
二、 統計分析結果：Bland-Altman 一致性評估
在醫療統計學中，單靠相關係數不足以證明臨床一致性。研究團隊採用 Bland-Altman 差異一致性分析 檢驗偏差量：
- 平均偏誤（Mean Bias）：-0.8%（95% 極限界限介於 -5.2% 至 +3.6% 之間），證明 AI 演算法無系統性高估或低估心射出分率的傾向。
- 觀察者間變異（Inter-observer Variability）大幅下降：住院醫師群在無 AI 輔助下之變異率為 16.2%，在引入 AUTO-EF 輔助後，變異率大幅降至 3.8%，有效消除跨班別與跨年資的判讀鴻溝。
三、 結論：以數據驅動的現代急重症照護體系
多中心臨床場域驗證的數據證實：DHI AUTO-EF 並非取代醫師，而是化身為急重症第一線醫師最強大的「效能倍增器」。透過標準化、秒級自動化與高度客觀性，成功為智慧醫院建構起堅實的重症超音波品質防線。