製造業調查
Advantechline
 

有意義地分析健保資料庫 期待台灣人專用醫療AI的誕生

臺北醫學大學醫學資訊研究所副教授雪必兒Shabbir Syed Abdul表示,「Local data research AI for local people is better.」。蔡騰輝攝

醫療院所平日的望聞問切累積了不少資料,包括病患生病成因、檢查過程用了什麼儀器等醫療耗材、針劑與藥品、治療成效等,而這些都可以成為發展精準醫療與提升醫院作業流程的基礎。臺北醫學大學醫學資訊研究所副教授雪必兒(Shabbir Syed Abdul)認為,台灣生物醫學資訊發展已經逐漸成熟,在年齡和性別的分類分析上也有不少進展,能夠從數據庫當中,快速找到同年齡與同性別當中,特定疾病與健康狀況的相互因果關係。此外,由於技術不斷演進,相當看好未來機器學習能夠應付更多的任務。

健保資料庫 要有意義地分析

每個國家的醫療資訊發展都很重要,雪必兒認為,台灣擁有獨步全球的優勢,那就是1995年3月1日開始實施的台灣健保,不僅長時間且連續性地收集個人的健康醫療就診資料,再加上台灣單一支付的健保系統,這些大數據資料對於未來發展精準醫療人工智慧,有相當重要的基礎與幫助。

大家都在收集數據,然而雪必兒也說,如何有意義分析,才是更重要的下一步。當這些分析結果具有意義,能夠給醫護人員建議的時候,才是下一波醫療資訊分析前進的大動力。從過去『實證醫學(evidence-based Medicine;EBM)』到之後的『以數據為基礎的決策方法(data-based evidence;DBE)』」這都是醫療數據的應用演進。

醫療AI下一步:專替亞洲黃種人看病 甚至是台灣人專用

在醫療人工智慧與影像輔助判別系統興盛與發展快速的今日,數據科技要更加保證病患安全。過去只能一科一病的治療與診斷,未來則是期待可以輔助多科多病的治療任務,這樣的強化系統,也有助於給政府單位更多建議和帶動產業升級。

針對國外已經有不少研究機構、大型軟體公司、醫療院所藉由醫學資料與病歷大數據建置人工智慧判別系統,之所以很多人還是積極希望可以分析台灣醫療數據資料庫,雪必兒認為,當地的醫療數據,代表著生活在當地的這一群人,過去一段特定時間的健康狀況,藉由這些數據來產生的演算法模型,自然對於當地人的健康預測會有更好的分析成果。

雪必兒也同意,IBM Watson提供了不少醫學指引給醫師參考,但數據庫與資料訓練都以白種人為主,在醫藥劑量與處置上,沒有替黃種人客製化,無論是體型、生活習慣、習慣的醫學處置也不盡相同。


  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 健保 大數據分析 醫療人工智慧