匯聚產官學研智慧 擘劃未來醫療願景
由中華醫學會主辦，台北榮總放射線部、腸胃肝膽科以及過敏免疫風濕科等單位籌畫，以智慧醫療的未來進行式為主題，順利於線上舉辦學術研討會。
採訪／施鑫澤‧文／楊迺仁
國內最大醫學團體之一的中華醫學會，於6月5日舉行110年度會員大會暨學術研討會。中華醫學會理事長暨台北榮民總醫院院長許惠恒教授在開幕致詞時指出，2020年雖然受到COVID-19疫情衝擊，但醫學領域的學術交流並未因此而停止，不過五月國內因為疫情再度增溫，今年的實體會員大會改為全視訊線上方式進行，讓會員可以在安全無虞的環境下，持續精進醫學知識。
[ 加入 CIO Taiwan 官方 LINE 與 FB ，與全球CIO同步獲取精華見解 ]
許惠恒表示，本屆大會由台北榮總放射線部、腸胃肝膽科以及過敏免疫風濕科等單位籌畫，舉辦各類與智慧醫療、癌症先進治療等精彩主題的研討會，由國內外專家學者分享他們的經驗及學術研究成果，達成國內外學者交流管道的重要任務。
國軍退除役官兵輔導委員會主任委員馮世寬也透過視訊致詞指出，退輔會近年來十分關心且支持在智慧醫療的導入及發展，退輔會願意將全國的榮醫體系，包括三個榮民總醫院、12個分院以及16所榮家，作為全國在智慧醫療的發展場域。
馮世寬除了希望榮總能夠對我國的智慧醫療做出具體貢獻外，更期許榮總能作為領頭羊，促進國內智慧醫療及照護的創新及發展，更希望研討會能帶動國內智慧醫療科技產業的精進，並與國際接軌。
AI及大數據已有不少成果
今年的學術研討會共分為三個會場，其中第三個會場主題為「智慧醫療的未來進行式」，針對人工智慧、大數據(Big data)、智慧醫院、FHIR及聯邦式學習等與智慧醫療的相關主題，舉行十餘場研討會，深入探討我國在智慧醫療方面的發展與挑戰。
衛生福利部中央健康保險署署長暨成功大學醫學院外科學科教授李伯璋指出，健保改革需要更為精準的大數據管理，包括不斷上升的藥費、檢查（驗）費成本，以及檢驗及影像的申報及上傳之間的落差、老年慢性病的衛教及照護，都是未來的管理方向。
為了能夠妥善利用健保大數據與AI應用規劃，李伯璋表示，收載全國民眾就醫資料的健保資料庫，已對外開放供學術研究，產出相關論文逾6,000餘篇。目前的對外開放場域，除了104年起持續辦理的「全民健康保險保險人資訊整合應用服務中心」，「全民健保險資料人工智慧應用服務中心」也在110年進入第2年試辦，也已在腦瘤、心血管疾病及輔助判讀COVID-19影像方面，已有初步成果，對醫學的進步頗有貢獻，未來在個資保護會做到更好的安排，讓民眾安心，醫界也可以充分的應用。
智慧醫院要加強網路建設
台灣大學資訊工程學系賴飛羆教授指出，智慧醫院有七個目標：第一個是要提升病人的安全；第二個要改善診斷及手術的能力；第三個要能夠提供順暢的病人照護流程；第四個是無所不在的遠距醫療；第五個是網路防衛（Cyber Resilience）；第六個是成為一個能被信賴的醫院；第七個是提供醫護同仁健康的工作環境。
要讓醫院成為智慧醫院，賴飛羆認為，首先是做到數位化，其次是將資料進行有效整合，為了能夠有效整合資料，必須奠基於標準使用，緊接著是改善流程，最後是使用AI技術幫助達成目標。
賴飛羆指出，要成為智慧醫院，網路建設要大力加強，除了資通訊整合，要好醫院有效的調控，需要一個指揮及控制中心，才能夠將訊息隨時呈現在需要決策的人的眼前，需要人跟機器密切配合。賴飛羆強調，要做好智慧醫院的基礎建設，需要很大一筆資金，必須要先得到上層的支持，才會有機會成為智慧醫院。
智慧醫療成AI技術發展重點
台灣人工智慧發展基金會董事長杜奕瑾指出，以前要蒐集健康資訊，主要是靠醫院來建立，但現在可以透過ICT技術隨時隨地蒐集，醫院未來應該要扮演中樞大腦的角色，提供健康諮詢及照護，病人未來不見得需要到醫院，只要能做好預防及醫教，就可以減少資療資源的浪費。
由於2020年COVID-19疫情席捲全球，杜奕瑾表示，國際AI技術發展領域也跟著出現變化，智慧醫療方面出現大幅成長，值得注意。台灣在利用AI技術發展精準醫療，也已有一定的成果，如台灣疾病風險評估AI模型計畫，與國家級資料機構合作，建立屬於台灣族群的疾病風險評估模型。
杜奕瑾強調，醫療聯合學習以成為全球趨勢，台灣也已靠聯合學習打造多款醫療AI，聯合學習未來在精準健康醫療的兩大主軸，分別是建構聯邦式學習聯合產業發展環境，以及接軌人工智慧與聯合學習國際組織。
FHIR標準扮演資料整合重要角色
從前述專家學者的討論，即可看出要發展大數據、AI等智慧醫療解決方案，醫療資料庫的有效整合及交換，扮演相當重要的角色。臺北護理健康大學健康事業管理系助理教授李麗惠指出，資料交換要做到跨機構、跨系統及跨國三大目標，需要採用新一代國際醫療資料交換標準FHIR（快速健康照護互通資源）。
李麗惠指出，原因包括FHIR有許多Client及Server、驗證等開源工具，在規格書發佈後，可以快速實作；FHIR因為使用輕量級資料（json），更能符合新世代的行動應用技術需求；FHIR因為使用熱門應用的 RESTFul API 技術，有助於線上資料存取。
FHIR將來可能影響的單位，主要集中在醫療、生醫、健管、公衛、照護等資訊相關的產業，只要是涉及資料交換標準化的單位及角色，舉凡決策、應用、教學及學習，都有可能需要思考未來可能受到的影響。
李麗惠指出，目前FHIR的應用範圍已於全球逐漸擴展，各國多半是先訂有 Core Profile，再搭配加速採用計畫，民間才能持續應用擴展，然後才能在國家核心標準基礎下達全國標準化。
台灣應積極參與國際健康數據研究
臺北醫學大學數據長許明暉教授也提出倡議，國內應該組織一個以FHIR為基礎的健康資料研究聯盟。許明暉指出，美國電子病歷業者Epic在美國市場的市占率相當高，可以自成一套體系，由於Epic允許第三方業者可以到Epic的平台推廣軟體或服務，只要得到Epic客戶的青睞，就可能下載第三方業者提供的軟體或提供服務。
對台灣廠商而言，是非常好的機會，不需要一個各地去敲美國醫院業者的大門，但Epic的基本要求，就是第三方業者必須符合FHIR標準，由此可知引進FHIR標準的重要性。
許明暉指出，台灣醫療業者需要資料標準，才能將分散在各地的資料集中起來形成研究價值。包括 Taiwan Biobank、台灣精準醫療計畫（TPMI）以及由國家衛生研究會推動的國家級人體生物資料庫整合平台，都是某種形式的健康數據聯盟。
至於國際上類似架構的聯盟，如國際健康數據聯盟（OHDSI）主張，每個醫院都有不同的資料庫，應該利用開源工具，協助醫院作ETL，將不同設計的資料庫，轉換成共同接受的標準資料庫，進行共同研究。OHDSI和HL7更已共同發表聲明，希望能推動單一資料標準，對健康數據研究將會帶來重大影響。
許明暉表示，台灣不能缺席，台北醫學大學在2020年已加入OHDSI，並成立OHDSI台灣分會，期待能與台灣有同樣理念的先進，一起來推動讓台灣能夠在國際共同資料標準架構，扮演重要的角色。
利用疫苗護照推動FHIR架構
衛生福利部資訊處處長龐一鳴指出，台灣其實從1980年代的勞保時期，就已開始推動醫療資訊交換標準；到了1990年代，因為醫療影像交換的需求興起，DICOME架構開始盛行；衛福部則是在2000年開始推動電子病歷交換標準（EEC），也是在當時引進HL7。
近幾年來，醫院實際看診，都會用到健保雲端系統，民眾使用的健康存摺，也是用同一套系統。龐一鳴指出，如果從資料交換的頻率及利用度來看，健保雲端系統的使用率是最高的。衛福部最近幾年，更已利用FHIR架構開始建立空中轉診系統，資料交換的複雜度愈來愈複雜，甚至會跨到其他部會，疫苗護照甚至會需要跨國交換資料。
龐一鳴表示，早期的資料交換，重視的是可視化，只要機器可讀，但到了大數據時代，會希望數據交換的應用，可以達到更好的互動性，資料交換的情境也變得更多元，資料交換也因此開始成為醫院的成本負擔，同時也隱含資安的風險。
龐一鳴指出，如果能讓資料交換架構簡化，醫院的交換成本也可以跟著降低，而需要從資料交換得到訊息的單位，架構也會變得更為簡單，這正是HL7推動的想法，延伸到FHIR架構的推動，衛福部未來會利用疫苗護照的相關業務，來倡導FHIR架構，同時也能盡量讓其他醫療資訊交換使用FHIR架構，成為主要的策略方向。
臺中榮總推動FHIR有成
臺中榮民總醫院資訊室賴來勳主任指出，因為各類醫療儀器設備目前遭遇的問題，包括可選擇程度低、無業界共同標準，進而導致廠商可選擇程度低、架構缺乏容錯，導致不同的設備及伺服器因為缺乏標準而必須逐一介接，也導致醫院端HIS系統的程式開發與維護困難。
臺中榮總因此正積極導入FHIR，應用於醫療儀器設備，希望能夠有效串聯儀器設備、FHIR伺服器及醫院端HIS系統的資料傳送、蒐集、使用及分析，目前心臟科心率測量設備資料、呼吸治療科呼吸器設定資料，都已成功以FHIR格式傳送。
賴來勳指出，Apple自 iOS 11.3 作業系統起，也已加入 Health Record 健康紀錄功能，此項功能符合HL7的FHIR規範，可將使用者在醫院中的電子健康紀錄（EHR）與手機上所記錄的生理數據彙整在一起，目前美國已有許多知名醫療中心，除了可以讓使用者在手機上直接查詢在這些醫院的電子病歷外，還可以查到其他資料，如過敏、用藥、病徵、免疫接種及生命徵象等，甚至在醫院所做的病理化驗結果，一旦醫療機構有新的紀錄，使用者都會收到通知，可見FHIR未來的潛力無窮。
集中式及聯邦式學習應交叉應用
北榮放射線部主任暨陽明大學醫學院教授郭萬祐在2020年中華醫學會年會曾指出，人工智慧模型開發方案可考慮採用「聯邦式學習」，今年的年會果然將「聯邦式學習」的可行性評估研究到國際合作，作為主題探討。
郭萬祐認為，如果要推動聯邦式學習的產官學合作，建議找比較熱門的題目切入，能否建立互信基礎很重要；COVID-19導致跨國移動必須中斷，其實是推動聯邦式學習的好時機，因為聯邦式學習本身的特質最不受地域限制。
郭萬祐同時建議，最好找影像品質要求較高，對治療品質重視同質性的參與者團隊合作，可能會比較容易上線。如臺北榮總的醫學影像AI模型，已經可以輔助偵測磁振影像上0.03cc的腦轉移瘤，雖然放眼全球，台北榮總的影像AI模型效能，堪稱絕無僅有，但如果要跨廠牌、參數及醫院，還能維持這麼好的品質及效能嗎？
所幸，健保署在2019年推出的全民健康保險資料人工智慧應用服務計畫，帶進台北榮總的腦轉移瘤磁振影像資料集，與其他醫院的影像共享模型參數，幫助台北榮總的影像AI模型升級。
郭萬祐指出，由此可看出聯邦式學習不受廠牌、參數及醫院限制的優點，雖然集中式學習還是有其優勢，但是有機會的話，可以透過聯邦式學習，資料不需要出門，與其他國家的醫療體系交換AI模型，兩者交叉應用，找到最佳的平衡點。
（本文授權非營利轉載，請註明出處：CIO Taiwan）
