科技產業報訂閱
Advantechline
 

整合電子病歷和醫療數據 英藥廠阿斯特捷利康從格式與用語著手

阿斯特捷利康(AstraZeneca)全球醫療資訊長Dr. Mishal Patel表示,資訊科技發達的現代,醫療AI技術臻至成熟,重點是從病患端和醫師端找出臨床需求。蔡騰輝

針對如何整合英國或是主要城市的電子病歷,尤其不同醫院的病歷格式可能都不同,英國生物製藥公司阿斯特捷利康(AstraZeneca)全球醫療資訊長Dr. Mishal Patel表示,由於格式和使用的敘述方式及語言可能都有不同,因此現在已有許多機構與單位先將格式和用語標準化,再藉由用AI與機器學習科技,產出符合醫學現場的應用需求結果。

醫療數據整合 格式和用語成關鍵

在數據儲存模型以及不同資料的轉譯上,阿斯特捷利康投入許多人員,認為「挑戰在哪裡,價值就在哪裡」的Dr. Mishal Patel分享,除了標準化、共同演算法以外,更高難度的則是確認轉譯過的生技醫療內容都是正確的,尤其醫療資訊有其專業度,並不是任何資訊人員三兩下就可以解決。

由於政府有推出學術使用格式,因此目前英國醫療數據的整合還是以學術界的驅動較多,但同時各大藥廠也投注不少研究人員進行資料格式和使用語言、用語的統整。Dr. Mishal Patel表示,未來或許可以成立醫療資訊與病歷格式聯盟,共同制定統一格式。

醫療人工智慧 從需求來選擇演算法

在發展醫療人工智慧之前,Dr. Mishal Patel認為,首先要瞭解數據的重要性,尤其科學數據種類繁多,從分子數據到臨床紀錄,都要以不同的方法與演算法來分析,才會有適切的結果。台灣的醫療人工智慧有許多不同應用,除了影像分析以外,也有藉由自然語言處理(NLP)的方式,分析電子病歷(EHR)後,自動生成國際疾病編碼標準(ICD-10),而英國部分則是從數據管理、演算法開發、醫病需求著手。

數據管理上,努力提高數據可及性,增加使用意義和價值;演算法開發則是強化演算法的應用廣度、找出偏誤與提升精準;醫病需求方面,聆聽病患的聲音,並且整合醫療專家領域知識,推出符合需求的解決方案。

比方說,「藉由大數據預測疾病與癌症治療」的命題上,英國政府單位也從「期間癌症」(interval cancer)補強著手。以在英國發生率高的乳癌為例,當下檢查正常,隔年卻篩檢出癌症的案例眾多,也因此希望與放射醫師合作,透過影像機器學習的方式,對比正常的乳房攝影與後1年的乳癌影像,分析出未被發現的病灶。英國新創Kheiron Medical Technologies就是聚焦於應用AI深度學習科技來增益乳癌篩檢的研究。

蔡騰輝

DIGITIMES電子時報智慧醫療主編蔡騰輝Mark Tsai
專注研究智慧醫療產品技術服務導入場域時,所遇到的困難癥結與如何克服要點。
精通中英德語,熱愛挑戰與Swing Dance。
Facebook:DIGITIMES智慧醫療

作者更多專欄

  •     按讚加入DIGITIMES智慧醫療粉絲團