micron
活動+
 

醫策會醫療品質獎 解決痛點與用戶體驗為核心

隨著智慧醫療科技的導入,醫策會評鑑項目也逐漸科技化與應用導向。蔡騰輝

每個產業的發展,都勢必會有評鑑與績效評估。醫療產業也是如此。透過每一年的醫療品質評鑑與發展方向研議,智慧醫療的發展越來越快速。財團法人醫院評鑑暨醫療品質策進會執行長王拔群表示,每一年的醫療品質獎得獎名單上,都有許多令人為之一亮的創意。

醫療技術推廣與交流:醫療品質獎

每年醫策會都有醫療品質獎的公開徵選。每年4~5月開始公開徵求,10月公布名次。平均來說70多支隊伍報名,取出30多名。在這樣的過程當中,不僅能夠幫忙提升這些業者與醫療機構的產品與技術讓市場看到,同時也可以用更直接的方式,促進產業交流。

王拔群表示,各國的醫療產業智慧化的進程都不同。比方說,美國早在好幾十年前,就已經在開刀房的區域,導入能夠沿著地上的磁條運行且輔助搬送醫療用品的機器人。針對科技引用、導入、更新,還是要因地制宜,調整成最適合該場域的科技應用,才能發會最大的效果。王拔群認為,科技與概念引用,要有策略性的分析,量大才會有規模。

評審委員大約有20位。這些業界的專家,都會實地造訪各場域,評鑑這些醫療革新事項。此外,王拔群說,這已是各界認同的盛會,各醫院的院長都會前往2018年12月14日的典禮上領獎。

醫療品質評鑑項目

在產業應用的智慧醫療評鑑上,包括了開發目的、產品特色與創新、成果與成效、應用推廣、資料呈現等面向。其中又以成果與成效評分占比最高。足以顯見,解決醫療場域的問題,實為重要。另外,在重要性與發展性、智慧化功能特色、整體運作與成效、現場表現等現場發表的評分項目當中,要如何讓使用者有感,則是各單位不可忽略的重點。

在互動上,確實性、整體運作、外推行都十分重要。尤其是包括使用者感受、資訊科技的實用性、考量安全議題與建置失效的預防措施等項目上,都是相當關鍵的評分項目。除了整體醫療品質評鑑以外,在門診、急診、手術、藥物、行政等方面,也都有頒發智慧標章。

行政流程優化與物聯網聯結

現在許多參賽的醫療創新內容包括了兩大類:

第一類,行政支援:透過技術排程的優化,加速系統的行政效率。但王拔群認為,這類的技術很快就會到達瓶頸,達到短期內無法再繼續推升的階段。

第二類,連結(Connectivity):也可以說是醫院內部小範圍的人工智慧應用。許多醫院都已經在試作。超越健保資料庫、透過不同的資料庫,結合病患的資訊,產出系統分析,再與病理、X光、血液等資料結合,最後與個管師搭配。像是個管師透過上述技術,能夠有效分析1.5萬名糖尿病患的資料。

人工智慧與犯罪基因檢測

針對未來醫療可以發展的方向,王拔群認為,或可朝醫療家族史為中心,連結健康資料,進一步分析基因資訊。比方說,現在是以罪犯,或是病患個人為中心,未來罪犯的親戚也要加入測試。測試看看在基因當中,是否也共同存在一些犯罪的「因子」。

成功發展智慧醫療的核心

解決最基本的醫院痛點,還是最優先的研發考量。王拔群說,各式智慧醫療技術的商品化程度不一,建議先以能夠解決大多數問題著手。接著就能量化生產,最後再走客製化的路線。

醫策會多元教育訓練與推廣

目前對內教育訓練的項目包括人工智慧、大數據、物聯網等內容。對外則是明定醫療評鑑等品質指標。台灣臨床成效指標(Taiwan Clinical Performance Indicator;TCPI)也已經推行20年,成為醫界指標。透過教導、交流、標竿學習等方式,協助醫院搜尋有效的資料,同時也推廣實體論(Ontology)的概念。王拔群說,透過有意義地使用醫院資訊系統(HIS),未來2~3年內,台灣各大醫院的智慧醫療將會發展得很好。

智慧醫療5年內的發展預期

王拔群認為,5年內,醫院醫師與病患交流與資訊系統將會做得更加完善。包括優化行程和排程。另外在語言輸入方面,也會有各科常用的字詞庫,供每科別的醫療人員使用。在3D影像顯示方面的進展,則能夠縮短處在不同地方的醫院醫師和病患之間的距離,同時也能讓遠距醫療的技術再次提升。除此之外,美國已有電話中心,銜接病患與醫師之間的資訊傳遞,已能有效提升隱私與增進醫療效率。相信未來台灣也會有這樣去辨識化的電話中心機制。

包括家庭科、整合照護科、一般科的醫護體系都可以在日常深入社區,幫助醫師了解在地化的醫療需求,並且從而篩選與找出優先醫療順序。透過資料庫分析和統計,醫療行為也能有更精細的警示與提醒。

智慧醫院方面,透過整體環境管理、停車引導、車牌辨識、人臉辨識。未來醫院也能導入智慧停車與繳費系統,加快民眾的就醫的效率、降低等待時間、在院時間。王拔群說,已經有些百貨商場使用這樣的技術,也證明技術實為可行,但醫院是否能實際採用,則是未來智慧醫院發展的關鍵。

醫療人工智慧還須產業群起

人工智慧要發展得順利,就是要有足夠的樣本學習。然而,台灣臨床整合的規模太小。某些急需人工智慧快速分析的病症,一家醫院大約只有50~100個案例。學習樣本數的不足,也讓人工智慧的發展顯得侷促。

人工智慧的耳膜檢測正確率已經達90%。王拔群表示,對於人工智慧的「協助」,還是要相當謹慎,因為最終要對醫療行為負責的還是醫師。

此外,資料量大且醫護人員反應速度需要極快與正確的加護病房(Intensive Care Unit;ICU),資料處理完畢,透過中介軟體(Middle Ware) 分析,在透過無線傳輸給與人員建議。這些都是需要更多數據整合,才有辦法發展完善。

更多關鍵字報導: 工作流程 醫策會 人臉辨識 人工智慧