台灣已經邁入高齡社會,隨著人口老化,我們需要投入的醫療資源越來越多;加上少子化影響,人力資源短缺,醫護人員得照顧的病人越來越多,每個人能被分配到的資源變得稀少又難得,這些問題該怎麼解決?

如果能夠徹底運用AI的偵測、預測與預防的技術,就有機會解決長照及其他醫療的重大問題。

電子病歷為醫療AI扎根

1995年台灣的全民健康保險啟動,約有2萬間診所、600家醫院參與,其中一項規定是要求所有醫療院所申報作業都必須採用電子化申報(e-claim),才能完成健保給付。也就是所有原本寫在紙上的作業,包括行政、掛號、病歷、開藥到申報等程序都必須改成電腦化才有利於電子申報。

推動過程最大的困難在於,各家醫療院所的大小規模不同,作業流程與系統需求也就不同,尤其是醫師各有自己習慣的診斷寫法,根本沒有一套萬能的軟體可以滿足這麼多的需求,幾乎都需要客製化。

加上不是每個醫療院所都願意分配一定的預算比例建置資訊系統,並不容易落實導入。

直到2005年之前,整個系統都還是成本系統(CostCaptureSystem),運作重點在費用控管,後來各大醫院慢慢地把電子申報轉換為電子病歷系統,前後花了十幾年時間進行調整,扭轉過去以批價為主的系統紀錄,改以病歷資料為核心,也讓醫院資訊系統專注在與病人相關的資訊身上,而不只是費用與成本管理。

病歷電子化還有一個重要任務就是「交換」,讓電子病歷能夠跨院流通。絕大多數人都曾因為求學、就業、搬家、轉院等因素到不同醫院看病,這些醫院都是各自保管你在該院的就診紀錄,醫院彼此之間不會同步彙整更新關於你的所有病歷,所以如果你從A醫院轉到B醫院,B醫院完全不會知道你之前在A醫院做過哪些檢查以及結果,導致先前所有已經做過的醫療流程得再重來一遍。而透過病歷交換中心的機制,病歷就能在不同醫院之間流通,也才能真正實現醫療的延續性,避免病人因為接受重複性的醫療檢查所產生的傷害、減少重複用藥的浪費。

之後健保署發展出「健康存摺」,揭開個人醫療資訊的面紗,民眾可以更清楚自己所有的就醫紀錄,實現「醫療資訊知情權」,也達成之前努力目標的一部分。

2017年北醫團隊開始試用區塊鏈技術(BlockChain),將病歷交換機制去中心化,民眾未來只要開立醫療區塊鏈帳戶後,便能將散落各處的電子病歷同步轉到帳戶中,更多健康促進業者陸續加入後,包括健康檢查、穿戴裝置所收集的心跳、運動、睡眠等數據,都能儲存在該帳戶上,而用戶可以自行決定是否把這些數據分享給其他人,像是其他醫院、健康管理機構,甚至是保險公司的相關商品與服務應用分析,客製專屬自己的治療或健康管理計畫,讓資料價值回到自己身上。

全民健保研究資料庫

台灣全民健保實施至今已超過20年,累積龐大的族群就醫資料,也造就了「全民健保研究資料庫」。這個資料庫擁有2,300萬居民過去23年就醫資料,包括用藥、診斷、處置及檢驗檢查項目等,近年更囊括檢驗檢查結果報告及影像紀錄。

這樣的醫療資料庫世上絕無僅有,與我們相似的只有北歐幾個國家,例如丹麥,其雖擁有30年的全民就醫資料,但人口不到台灣三分之一。在人工智慧發展迅速的今天,龐大的就醫資料被視為極度重要的資料寶庫,也是驅動醫療AI革命的關鍵因子。

全民健保研究資料庫由衛生福利部資料統計應用中心管理,提供國內研究人員有限度的利用。其申請程序繁瑣且資料不易釋出,即使通過複雜且長期的審查,也只能在有限的使用時間內做相對簡易的分析,使得許多據此發表的研究論文被批評為深度不足且重複性過高。上述種種限制,多半肇因於對隱私權的保護。

事實上,全民健保研究資料庫仍未包含可識別病人身分的任何資訊,隱私不是關鍵問題。更何況現今資訊科技已能適度增加資訊模糊度,如年齡可合併成年齡層、一天可合併成一週,大大降低病人身分被重新識別的風險。

有人說台灣人口少,資料數量不足以發展AI,但在醫療領域,我們恰好擁有極度豐富的環境,提供蒐集高品質醫療資料的機會。台灣醫療資料蒐集的密度、精緻度與標準度超越歐美等大國,是台灣醫療AI發展在世界上建立影響力的基石。

如果能將全民健保研究資料庫更完整方便地開放研究,台灣人工智慧在醫療應用必能跨出大步。且這麼好的醫療資料寶庫更應該與全人類共享,如能開放成國際研究公共財,讓全世界優秀的人工智慧科學家都能應用,可為全人類帶來更豐碩的醫療研究成果。

綜觀國際各種醫療大數據分享的例子,麻省理工學院與哈佛主要教學醫院之一的BethIsraelDeaconessMedicalCenter共同釋出超過20年的加護病房電子病歷及生理訊號資料庫「MIMICIII」,十多年來已造就數千篇研究論文,並成為醫學生理訊號研究人員不可或缺的重要資源。

另,全球數億使用者的公開醫學文獻資料庫PubMed,則是美國國家衛生研究院(NIH)耗費40年以上,由超過400人的團隊每天分析所有被刊登的醫學文獻,逐一連結關鍵字所打造的龐大資料庫。全球醫藥衛生人員對PubMed的需求程度,絕不亞於一般人對Google搜尋引擎的程度。「Sharing is power」(分享就是力量),分享越多,得到越多,更能樹立台灣在國際人工智慧研究的能見度與地位,是不是一舉兩得呢?

台灣人看病次數多,也因此累積大量的醫療資料。若結合原本資通訊產業優勢,利用各式穿戴裝置與物聯網科技所收集的多元資訊、經由AI演算分析與促動行為改變,想要做到針對同一主體subject)進行多緯度、多次或長期觀察,實現疾病偵測、預測、預防的醫療資料加值應用,把價值回饋到病人身上的那一天,絕對指日可待。

書籍簡介_AI醫療大未來 台灣第一本智慧醫療關鍵報告

作者:李友專
出版社:好人出版
出版日期:2018/09/25

作者簡介_李友專(Yu-Chuan Jack Li)

臺北醫學大學醫學科技學院特聘教授暨院長、萬芳醫院皮膚科暨雷射美容中心主任。臺灣病歷電子化重要推手之一,也是臺灣醫學資訊及人工智慧於臨床應用之先驅。自1993年起投入人工智慧於醫療應用研發至今。曾獲2017國際健康資訊學院(IAHSI)創始院士、2015中華民國資訊產業最高桂冠-傑出資訊人才獎、2010美國醫學資訊學院(ACMI)院士、2010澳洲醫學資訊學院(ACHI)院士、2001中華民國十大傑出青年等殊榮。

學歷:1994年-美國猶他大學醫學資訊博士、1991年-臺北醫學大學醫學士