大量数据分析技术 实践个人化健康照护
- DigiTimes企划
-
无论是台湾、英国、芬兰、美国，现在有实施健保制度的国家或地区，无不都面临到严重的健保破产问题，而社会人口结构老年化的发展趋势，更让此一状况雪上加霜。
IBM 智能生活前瞻研究中心研究总监张鸿洋表示，根据美国的研究数据显示，在45~64岁的中高龄人口中，还仅有22%患有3种以上的慢性病；但到了65岁以后，此比例将急剧上升至45%之多。由于针对慢性疾病的治疗，目前已占去当下所有医疗费用75~85%的比例，因此可以预见在未来20年，抑制慢性病发生的机率，将成为避免健保陷入破产的最大课题。
致力整合同一病患散落的医疗纪录
大部分的慢性病患通常都身染多项重症，但受到既有医疗专业分工营运模式的影响，这些病患的健康状况、病症数据及医治效果等信息，往往会被分散在不同的系统内储存，使得医师难以一窥病患身体现况的全貌，尽早发现慢性病徵并投入治疗，以及改由整体角度出发，针对个人不同生活习惯所造成的差异，给予其最适当、最经济的改善建议。
也因此造成医疗成本投入增加、医疗品质反而下滑的怪异现象时常会发生。张鸿洋认为，最佳的解决方式，应该是要透过工具的协助，将同一病患散落于各既存医疗云、照护云及健康云内的医疗与健康纪录，予以适当地整合、分析，才能减少因信息不完整而让医师误判的情事发生。
张鸿洋指出，以往大部分的医疗信息系统都是孤立的平台，而后在加入中介软件、分析工具后，彼此之间便开始有互动性存在。未来在藉由与平台及App业者的协同合作的方式下，此一领域的系统将会继续往开放云端平台解决方案的方向发展。
大量数据分析技术及工具需求大增
不过整合虽然可消除上述问题，并带来某种程度的便利性，但同时却也会制造大量数据处理问题急待解决。张鸿洋表示，除了来自诊所的电子病历、电子医疗影像，药厂的HTS库、药品临床试验结果；保险公司的医疗帐单、成本预估及照顾效用等项目外，还有许多由病患自己及关系人所产生的信息，如病患行为与偏好、零售购买纪录、由外部测量设备所接收的运动纪录等项目需要整合。
对此IBM提出一项「协作照护服务云」的解决方案平台，不仅其技术底层可蒐集、整合及交换如影像实验信息库、医院/门诊EMR系统、药品/处方签系统、医疗计划系统等来源的门诊、PQRI品质量度、Bio-Surveillance、NCQA PCMH、Clinical Decision等信息，还能够与EHR/PMS、病患存取、医师入口平台、照顾团队入口平台、医疗计划入口平台等系统相整合，以发展其不同的应用模式。
让医院转型进化为个人化医疗照护
以IBM与埔里基督教医院所共同研发的「疾病危险群识别引擎」为例子，张鸿洋表示，透过该引擎的「疾病相关因子分析模块」所引用的专利文献及国际论文知识为基础，医护人员就可以借此识别各项疾病因子的关联性，并利用数据本身来发崛其他潜在的疾病因子，将其以多面向知识视觉化具体呈现。
这不仅有助于病患及医护人员更容易理解慢性疾病的成因与预防方式，还能够进一步用来发展「自动病历解析引擎」，以自动阅读/识别20万余笔埔里基督教医院急住看诊数据内的医疗词汇，从中找出日后有高机率罹患慢性病症的病人，及早对其施予预防性治疗。对医院由既有的单纯疾病治疗/复建，转型成「个人化全人式(跨专科)医疗照护的服务模式极有帮助。
