智慧應用 影音
軟體協會
DForum

藉助AI與智能機械 創造以病人為中心的智慧醫療服務

臺大醫院品質管理中心主任陳世英。

早期醫療服務是以醫生的思維為中心,相對忽略病人直接的需求;例如醫生為提高診療效果,往往替病人研發更多檢查、治療、與藥物,這種以尖端研究驅動的推式研發確實促進了醫學的進步,但病患除了期望能否接受到更新更有效的治療之外,更希望自己切身直接感受到的問題也可以被重視而解決,這種以回應病人需求的拉式研發,在今日強調「以病人為中心」的醫療服務,也應該被同等的重視。

臺大醫院品質管理中心主任陳世英指出,全球多數國家的醫療保健支出均呈現成長走勢,主要由於受到人口老化、勞動成本增加、醫療技術演進、新興市場擴大等因素驅動。影響所及,當前物聯網科技商機當中的一塊大餅,便來自於智慧醫療各項應用所產生的服務與價值。

以當前最夯的人工智慧(AI)而論,根據埃森哲顧問公司的報告顯示,截至2026年前十大被看好的醫療AI應用,每年可為美國醫療產業節省1,500億美元的支出;綜觀這十大項目,單單以第一名的「機器人輔助手術」這一項便有400億美元的節省效果,但陳世英更以名列第五的應用人工智慧以「減少醫療錯誤」這一項作為範例,除了所節省的不必要醫療支出之外,更是一種以病人安全需求觀點為出發的研發,在現今一片競相以診斷治療為目的的人工智慧發展,這種以病人安全需求為出發的人工智慧與智能機械的研發,更值得被額外的關注與鼓勵。

若從供應鏈觀點來看醫療發展模式,過去著重「推式發明」,係由醫療人員主導,並基於疾病診治需求,來驅動尖端科技研發、精準智慧醫療;但談到以病人為中心的智慧醫療,反而應重視「拉式發明」,它才是以民眾病人為導向,基於保健照護需求來驅動創意解方設計、智能機械開發。

陳世英說,以往多數醫療院所對拉式發明有所忽略,展望未來,應將此納入發展策略的一環,而推式和拉式發明並不相違背。

談到帶動智慧醫療的另一重要因子,便是威脅危機,如今年(2020)造成全世界巨大衝擊的COVID-19(新冠肺炎)疫情正是典型之例。由於COVID-19促成許多創新應用,包括針對病人評估的視訊診療、穿戴式生命監測、無線聽診器,針對疾病診斷的快速篩檢、影像判讀,針對感染管制的高汙染病室消毒、新冠病患插管防護,以及針對病人照護的餐點運送、無接觸給藥、隔離室跌倒偵測等等。不過如果我們仔細思考這些研發,幾乎都是為了增加早期診斷以加強隔離防治效果,或是為了減少醫療人員不必要的接觸暴露風險而設計,但對於疑似或確診COVID-19感染的民眾或病人,卻鮮少有為了他們在檢疫隔離期間的需求或安全為出發的設計,某種程度也顯示我們對於病人端需求重視的不足。

「我們必須為病人安全發聲、為病人需求發明,」陳世英指出,其實醫院可根據各醫院基於病人安全所設計的的異常事件通報系統或病友建言,有效發掘病人需求問題。以醫院內的異常事件通報內容加以分析,其中佔比較最大的兩項多為跌倒與給藥異常;針對上述異常事件,醫院應從不良、錯誤中學習,透過系統性發掘流程或制度上的根本原因來加以改善。

在臺大醫院,傳統上要防止病人跌倒,解決方案不外乎病人跌倒危險因子辨識、病人跌倒風險評估,或介入措施的執行如防滑設施或肌力強化等,但它們的效力多僅侷限於社區居家長者,但對於因為急性病症住院的老年病友由於疾病造成的體力平衡例下降、治療藥物的影響、及對住院新環境的陌生、傳統的跌倒預防措施往往效果極為有限。

因此在醫院內,除了跌倒的即時偵測外,更應結合各項偵測資訊數據及智能穿戴設備,結合人工智慧的運算預測,來預測防止病人的跌倒於未然,例如發展結合臨床資訊(病史、檢驗、用藥等)、即時生命徵象與步態分佈數據、深度視覺辨識資訊、及空間移動動作訊號等數據,整合運算預測病人跌倒風險,故必須分別借重醫院HIS資訊系統、穿戴式智能手環/感應鞋墊、高解析智慧攝影機、陀螺儀及加速度感測器體位偵測項圈,採集不同資料,再經過整合分析後產生「AI即時跌倒風險預測」單一模式。類似的做法,也適用於病人辨識、給藥異常、臥床病人或病床運送等其他應用。

總括而論,展望未來醫院應當善用人工智慧與智能機械的助力,型塑以病人為中心的健康照護服務,促進預防保健、門診服務、住院醫療乃至復健增能的全面優化。

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 台大醫院 智慧醫療