藉助AI与智能机械 创造以病人为中心的智能医疗服务

2020/10/15 - DIGITIMES企划

早期医疗服务是以医生的思维为中心，相对忽略病人直接的需求；例如医生为提高诊疗效果，往往替病人研发更多检查、治疗、与药物，这种以尖端研究驱动的推式研发确实促进了医学的进步，但病患除了期望能否接受到更新更有效的治疗之外，更希望自己切身直接感受到的问题也可以被重视而解决，这种以回应病人需求的拉式研发，在今日强调「以病人为中心」的医疗服务，也应该被同等的重视。

台大医院品质管理中心主任陈世英指出，全球多数国家的医疗保健支出均呈现成长走势，主要由于受到人口老化、劳动成本增加、医疗技术演进、新兴市场扩大等因素驱动。影响所及，当前物联网科技商机当中的一块大饼，便来自于智能医疗各项应用所产生的服务与价值。

以当前最夯的人工智能(AI)而论，根据埃森哲顾问公司的报告显示，截至2026年前十大被看好的医疗AI应用，每年可为美国医疗产业节省1,500亿美元的支出；综观这十大项目，单单以第一名的「机器人辅助手术」这一项便有400亿美元的节省效果，但陈世英更以名列第五的应用人工智能以「减少医疗错误」这一项作为范例，除了所节省的不必要医疗支出之外，更是一种以病人安全需求观点为出发的研发，在现今一片竞相以诊断治疗为目的的人工智能发展，这种以病人安全需求为出发的人工智能与智能机械的研发，更值得被额外的关注与鼓励。

若从供应链观点来看医疗发展模式，过去着重「推式发明」，系由医疗人员主导，并基于疾病诊治需求，来驱动尖端科技研发、精准智能医疗；但谈到以病人为中心的智能医疗，反而应重视「拉式发明」，它才是以民众病人为导向，基于保健照护需求来驱动创意解方设计、智能机械开发。

陈世英说，以往多数医疗院所对拉式发明有所忽略，展望未来，应将此纳入发展策略的一环，而推式和拉式发明并不相违背。

谈到带动智能医疗的另一重要因子，便是威胁危机，如今年(2020)造成全世界巨大冲击的COVID-19(新冠肺炎)疫情正是典型之例。由于COVID-19促成许多创新应用，包括针对病人评估的视讯诊疗、穿戴式生命监测、无线听诊器，针对疾病诊断的快速筛检、影像判读，针对感染管制的高污染病室消毒、新冠病患插管防护，以及针对病人照护的餐点运送、无接触给药、隔离室跌倒侦测等等。不过如果我们仔细思考这些研发，几乎都是为了增加早期诊断以加强隔离防治效果，或是为了减少医疗人员不必要的接触暴露风险而设计，但对于疑似或确诊COVID-19感染的民众或病人，却鲜少有为了他们在检疫隔离期间的需求或安全为出发的设计，某种程度也显示我们对于病人端需求重视的不足。

「我们必须为病人安全发声、为病人需求发明，」陈世英指出，其实医院可根据各医院基于病人安全所设计的的异常事件通报系统或病友建言，有效发掘病人需求问题。以医院内的异常事件通报内容加以分析，其中占比较最大的两项多为跌倒与给药异常；针对上述异常事件，医院应从不良、错误中学习，透过系统性发掘流程或制度上的根本原因来加以改善。

在台大医院，传统上要防止病人跌倒，解决方案不外乎病人跌倒危险因子识别、病人跌倒风险评估，或介入措施的执行如防滑设施或肌力强化等，但它们的效力多仅局限于社区居家长者，但对于因为急性病症住院的老年病友由于疾病造成的体力平衡例下降、治疗药物的影响、及对住院新环境的陌生、传统的跌倒预防措施往往效果极为有限。

因此在医院内，除了跌倒的实时侦测外，更应结合各项侦测信息数据及智能穿戴设备，结合人工智能的运算预测，来预测防止病人的跌倒于未然，例如发展结合临床信息(病史、检验、用药等)、实时生命徵象与步态分布数据、深度视觉识别信息、及空间移动动作信号等数据，整合运算预测病人跌倒风险，故必须分别借重医院HIS信息系统、穿戴式智能手环/感应鞋垫、高解析智能摄影机、陀螺仪及加速度传感器体位侦测项圈，采集不同数据，再经过整合分析后产生「AI实时跌倒风险预测」单一模式。类似的做法，也适用于病人识别、给药异常、卧床病人或病床运送等其他应用。

总括而论，展望未来医院应当善用人工智能与智能机械的助力，型塑以病人为中心的健康照护服务，促进预防保健、门诊服务、住院医疗乃至复健增能的全面优化。


图说：台大医院品质管理中心主任陈世英。