醫療資訊管理以及巨量健康資料分析應用

講者／徐建業（臺北護理健康大學資訊管理系所）
彙整／《科學人》編輯團隊｜整理自2019.06.29〈科創講堂．智慧醫療〉

大數據為AI的基礎

回顧過去病人照完Ｘ光片必須自己拿著洗出來的底片交給醫師診斷，現在只要照完Ｘ光之後，影像資訊就會自動傳輸至醫師端的電腦，甚至在不同醫院之間，醫師都可以看到病人過去即目前的醫療資訊，這就是資訊整合的成果。我們認為，智慧醫療的發展一切都以數據為中心，科學家將醫療資料數據化，並且建立數據整合系統，讓醫療資訊標準化並且可以在不同醫院之間互相交換和分享，最後將大數據資料利用AI技術，轉化成為智慧醫療系統。

台灣的健保非常完善且有效率，每天有上百萬人在看病，根據統計台灣每人每年平均看16次以上醫師，在健保制度之下，中央健保署收集了全國所有人的就醫紀錄。醫院為了請領健保費用必須上傳所有相關的的診斷和用藥資訊，所以健保署就擁有醫療資訊的大數據資料庫，政府也將醫療大數據開放利用，並鼓勵各界提出研究計畫，讓我國智慧醫療能夠以醫療資料庫中的大數據為基礎快速的發展。因此，發展智慧醫療應該以健康大數據為基礎。

數據整合與交換提升醫療資訊應用性

徐建業表示，數據雖然很重要，但是數據的交換和整合也很重要，每個人的健康資訊來源非常的多，像是醫院病歷、運動及飲食的紀錄、穿戴裝置所收集的生理訊號等，要實現醫療資訊整合與交換非常困難，因為每間醫院、每個裝置的資料結構及程式系統都不相同，臺灣從2000年開始建置醫療資訊交換中心（MIEC），花費十幾年的功夫才終於完成醫院之間的電子病歷交換平台（EEC）及病人可以下再並擁有的健康紀錄 — 健康存摺系統，所以民眾現在不管在哪間醫院看醫生，自己的病歷都可以互相流通，並且網路上還可以下載個人的健康存摺，查看健康歷程。

建立智慧醫療模型研發加值應用系統

人工智慧將大數據轉換為知識模型，然後進行實務操作上的應用，同時將實務上的數據蒐集回傳，繼續修正人工智慧的知識架構，不斷循環重複訓練使得人工智慧能夠越來越進步，徐建業實驗室建立了許多智慧醫療模型，包括疾病預測及健康預測，像是肺癌不同治療方式之三年存活預測模型，醫師可以依據不同病人的基本資料和癌症期別，再加上不同治療方式，是一個幫忙醫師判斷的工具。

徐建業實驗室也利用健康存摺資料研究相關的個人化應用系統，如高齡不適當用藥警示系統，將健康存摺的XML內容，解析出藥品代號，對應到健保用藥品項查詢項目檔取出成分，將成分比對後提供不適當用藥及重複用藥的警示；又或者是呼吸系統疾病的空汙警示系統，依據使用者的呼吸道疾病及所在位置，提供個人化的空氣汙染警示功能。

徐建業表示，預測人們的健康與疾病狀況不不容易，因為會影響健康的因素非常多，包括社會環境、勞動環境、心理環境、物質環境、基因遺傳、文化因素等，像是有科學家統計假如一個人的朋友是比較肥胖的，則自己變胖的相對機率就會增加，這是一個社會網絡影響的例子，因此未來智慧醫療發展目標希望能夠以個人為中心，在資料整合之後透過AI提供加值應用服務。

(本文由教育部補助「AI報報─AI科普推廣計畫」取得網路轉載授權)