以智能运算辅助医疗决策 开创智能医疗新契机

IBM全球前瞻医疗研究中心的副总经理Martín-J. Sepúlveda

根据统计，美国每年因医疗失误而造成的损失，动辄达到170~290亿美元；此外，有超过6成美国医院，皆需同时管理逾百种信息系统及界面，显见亟待解决的问题甚多。因此如何发展智能医疗，以提高医疗体系运作成效，大幅改善医疗服品质，放眼全球各国，都已成为主流议题及政策方针。

医学数据正以每5年增加2倍的速率持续累积，在此情况下，我们必须承认，医疗体系已难沿用传统技术，藉以从大量数据中获取实证与脉络，连带就无法协助跨领域的医师迅速做出精准判断。

是否有解决之道？答案是肯定的。一旦采用智能运算与实时分析等技术，便可望从快速累积的医学数据中找出实证与脉络，从而帮助医师做出正确决策，借此减少错误与耗损，妥善配置医疗资源。

足见智能医疗的效益至为显着，不仅是台湾医疗院所迫切需要的科技支持，即便视野扩大到全球，亦称得上是近年来医疗业的发展重心。

唯医疗改革如同千头万绪，任何医疗服务体系意欲提升运作效能，都必须倚靠多重信息技术从旁支持，假使系统愈是精实壮大，便愈能运作成效；因此各个医疗体系所需踏出的关键第一步，即是凭藉先进的ICT技术的运用，以展现智能化的效益，但此事的执行难度并不低。

不可讳言，正所谓人命关天，显见医疗服务体系，将是社会安定基石，如果肇因于服务体系不够完善，衍生成本节节涨升、覆盖面力有未逮、诊疗疏失或错误等时有所闻等憾事，肯定并非民众之福，只不过让人惋惜的是，前述负面情节，依然在全球各国不断上演。

运用先进的资通讯技术，将有助建立紧密整合、且具经济效益的医疗体系，并克服种种挑战，一方面可有效提升全民健康，二方面则可使体系内所有成员同蒙其利，当这两个目标皆可水到渠成，便是医疗服务体系迈向智能化的正循环之始。因此即使「善用先进技术、展现智能化效益」此事推动不易，医疗体系仍应奋战不懈，积极思索突破之道。

所幸随着ICT技术日新月异，现今已不乏协助医疗体系突破障碍之解决方案，譬如IBM在2011年发表史上第一套具备感知能力的「华生(Waston)」系统，即可谓经典案例。

随着华生系统问世，IBM即与全美知名的癌症研究中心与医疗机构展开合作，藉由华生电脑强大的运算和实时分析能力，佐以临床病例及实验数据库之结合，发展出具备实际诊疗及实证基础的决策系统，不仅加速新药物研发，更提供医师实时而详尽的诊疗参考，实现个人化医疗，连带简化医疗流程、优化资源分配，为智能医疗向前推进一大步。

举凡智能医疗、华生系统等议题，皆饶富吸睛效果，因而有效带动「IBM 2012智能医疗研讨会」人气，现场只见座无虚席盛况，以及为了探索新知的频繁提问，让这场难得的智能医疗盛会，相当圆满地落幕。

医疗数据 引领智能医疗趋势

来自IBM全球前瞻医疗研究中心的副总经理Martín-J. Sepúlveda，特为此一研讨会分享了「Health, Health System, Health Data」为主题之演说。

Martín明白指出，医疗数据相当重要，是病患改善与医生互动关系的核心所在，亦可望提升民众健康，让医疗服务有效提供给病患。因此藉由医疗数据及信息的有效运用，将能使智能医疗发挥极致效益。

他接着指出，人们常说健康出自于「天生」，但举凡基因或DNA，决定健康好坏的比重不过占了10%，至于另外9成的决定权，则在于当事人的母亲、家族、周遭生活环境，以及职业、居住地、食品、交通、能源、水、媒体社群等等，多项看似无关乎健康的因素。

因此要提高民众健康，光是专注发展医疗服务还不够，必须了解不同因素之间的关系，才能发展面面俱到的良好政策，缔造各方皆赢的效果。然事实上，全球各国的医疗服务体系，此时都面临重大危机。

Martín解释，这些危机的根源，首先出自许多国家并未针对偏远地区或外籍民众提供健保；其次是许多人民对健保制度极为愤怒，因它收费太高且等待时间过长；第三则以美国医院的等候室为例，许多候诊的民众都不满等候时间太久，显见医生的生产力、工作流程都出了问题，才会导致处理速度始终不彰。

譬如电子产业，鲜少出现等待、滞留的问题，显见其精实管理、价值链管理、竞争力管理都做得很到位，但医疗业却非如此，出现许多漏洞，导致财政负担日趋严重。

如何化解前述危机？即是以充分的医疗信息当作佐证，产生良好的医疗决策，再由专业医疗学会据此拟定医生守则，使得医生知所遵循，维持一致性的医疗品质，进而带动品质之全面提升。

面对这些需求，IBM可提供哪些助力？Martín强调，IBM可以创造一个平台，一举实现三大目标。第一，协助收集信息(此指结构化数据)，然而医疗界诸如MRI、心血管疾病等影像档案，或像是医生？护士笔记等文字档案，多属非结构化数据，此时IBM平台可将之转换成为可被电脑使用的格式，并结合病理学实验室产出的报告，汇整编制目录，再结合守则，一并提供给医疗机构。

第二，治疗绝对不能倚靠平均数，因为平均数并未反应所有人的真实状况；所以医疗体系必须借助更细致的信息，针对不同病患制定不同治疗决策，IBM平台即扮演细致信息的提供者。

第三，透过足够信息，亦有助于医疗体系，藉以设计更好的制度、更好的计划，俾使妥善分配资源，优化体系的未来发展之路。

Martín坚信有朝一日，医院及医疗体系也能犹如高效能的电子或汽车工厂，无论面对资产、供应链或帐单管理，都能展现有别以往的高效率，亦懂得善用数码装置建构更新、更顺的沟通模式，加速信息的传递，一并提升供应链及库存管理效率，上上下下都蒙其利。

结合医疗、生活与基因信息 迎向智能医疗新时代

国立阳明大学信息与通讯中心主任杨永正认为，有关医学研究，应当以人为中心，而非头痛医头、脚痛医脚。

透过以人为中心的信息系统，可特别标注药物之间的交互作用与复作用。比方说，Carbamazepine是抗癫痫与治疗三叉神经痛用药，有些人服用后，会引发史帝文生氏强生症候群(SJS)；经研究发现，带HLA-B*1502变异的病患，得到SJS的风险甚至是带正常基因者的1,500倍，严重者会导致死亡，有了足够信息，医生即可以病患个人为中心，做出趋吉避凶的判断。

杨永正进一步解释，人与人的序列不尽相同，造成体质差异；然而单凭临床试验，只能看出一般人对药物的反应，无法通盘考虑到每个人的状况。此事确实非同小可，因为基因变异的影响可能超出一般人的想像，譬如10%~30%的高血压病患，服用ACE抑制剂并无任何帮助；又或者，高达4~7成的哮喘患者，即使吃了乙型致效剂(Beta-2 Agonist)，亦难以出现显着疗效。

因此他提出主张，所谓个人化的医疗，期望做到针对体质下药，而不止是「对诊下药」；假使能区分不同群癌症病患的生物标帜，即有机会减轻患者的痛苦。例如，同样都是乳癌，每个人的肿瘤却有不同突变，而拥有某些类型的突变基因者，其实不见得需要接受令人痛苦的化疗，所以已进入临床试验的乳癌定制化医疗，确实有其发展必要，这也充分凸显，基因数据已开始成为临床决策的参考。

只不过，单纯倚赖基因型数据，即使具有「预防胜于治疗」的想像空间，仍不乏「千金难买早知道」的遗憾，因此要强化临床决策的参考依据，还得一并参酌表现型数据。

举例来说，如果人体MDM2为两个T，分子机制就会形成「MDM2小」但「p53大」的局面，肿瘤的形成机率较低；但如果因动情激素接受体的存在导致SNP309受到影响，使得MDM2的组合变为两个G，就会出现「MDM2大」但「p53小」之状态，肿瘤的形成机率便大幅走高。

时至今日，已经可以证实，决定DNA序列的降价速度，不仅比摩尔定律预测还来得快，而且已超过储存设备的降价速度，显见基因定序成本大幅走低，此时若解决大量序列信息不适合采用网络传输之问题，个人化的医疗将不再是梦。对此杨永正补充，要解决网络传输的难题，不妨将储存设备放在产生数据之处；此外，定序绝非一切，更重要的是建立基因与疾病，或基因与药物间的关系！

不可否认，唯有信息整合，才能做到信息探采(Data Mining)，所以必须有一共通平台，负责将来自生物信息研究领域的基因型数据(含基因体、蛋白质体)，以及来自医学？卫生信息研究领域的表现型数据(含健康记录、检验结果)，再加以统合与转译。

尔后的应用情境是，先利用Clinical Data Repository(CDR)寻找可能的关联性，再提出工作假说，接着利用CDR测试假说，如果成功，才往下接续进入「发展检验试剂、药物或治疗方法」、「设计临床研究或试验」等需要巨额经费支撑的工作阶段，藉由先行过滤降低总体成本，以利推动医疗、生活与基因信息结合之下的智能医疗应用。

运用医疗影像技术 实现智能医疗

GE医疗信息产品经理李俊亿指出，回顾10年前，病患要做X光，在放射科完成照射后，需等候10~15分钟取片带回诊间，如今台湾影像数码化的普及率超过90%。

但医疗影像技术，不应仅能发挥于放射医学，展望下一步，负责确诊的病理科，理应有此需求。例如工作流程复杂但重要的「播片」，即是亟待迈向自动化的一环；否则依照传统做法，往往由10人共享1台显微机，并非长久之计。

因为病理科必须确诊，1张播片即是1GB大小，所以对影像品质要求甚高，且由于播片是立体而非平面，所以需要架设2台摄影机同时进行扫描，甚至需要随时调整焦段。此外，以往病理科总需要架设显示镜，如今透过数码摄影机拍下画面，此后经扫描，便可直接进入工作站做处理，无需再挂焦片或显示镜，而拜画面分辨率高、且强化串流技术所赐，不管病理科医生人在何处皆可做诊断，堪称一大进步。

另一项值得关注的医疗影像发展趋势，乃在于「移动化」。以放射、急诊等需由医生轮流值班的科别为例，过去接获任何需求，只能开车回医院，或利用PC连接PACS系统观看影像；如今New iPad搭载4倍分辨率视网膜屏幕，已可展现比肉眼更小的画面，因而化解过往疑虑，所以医生要想用平板电脑进行CT-MRI诊断，已不再是梦想。

在过去，医生由于转院而接触不同系统，凡事都得重学一遍；相形之下，iPad不仅容易上手，且不局限于影片的展示，还可满足相关报告与原始影像之呈现需求，未来更将迈入3D处理，发展空间至为宽广。

但李俊亿坦言，以平板电脑连上云端，最令人担心的莫过于安全问题，因此GE的CRMA(Centricity Radiology Mobile Access)解决方案特别标榜，绝无任何病患数据可储存或暂存于个人装置，借此消弭安全疑虑。

此外，台湾PACS普及率高达95%，临床信息环境已见明显改善，但各科室级系统仍沦为信息孤岛，影像和文档的存储需求增长，因此亟需透过一个Centricity Cardio Enterprise共通平台，统整CV Imaging、EP Lab、Cath Lab、Diagnostic ECG、Vascular US Lab、EchoLab等不同来源的影像数据与报告。

以智能储存运算科技 满足智能医疗需求

IBM国内区储存设备销售副总吴东寰表示，2012年IBM发布了第5次全球CEO研究调查报告，有史以来，CEO首度认为信息科技是影像决策的最重要因素，CFO认为最大挑战是成本控制和提高效率，至于CIO面临的首要挑战，则需妥善管理数据之增长。

相对来说，医疗业在各行各业中，所面临的挑战之巨大复杂，确实相对突出；举凡医学影像？医疗记录？病历、智能无缝的数据运用、医疗模式的转型(以病患为中心)、结合遗传因素预防用药风险、数据的实时访问、数据交互、研究(临床结果)共享，乃至于为诊疗提供病患症状、用药、病史等信息的统一视图，皆为难度不低的任务。

要解决前述IT管理难题，首先必定得发展高效安全的储存应用信息，一并解决管理、虚拟化、数据安全与储存整合等难题，而标榜「高密度、高可靠、高性能」、「最智能、最简单、最易用」、「标准化、虚拟化、自动化」等多重特色的IBM XIV，无疑可谓最适合医疗领域的智能储存系统。

主因在于，XIV支持磁片负载恒定均衡技术，可避免磁片之不均衡分配，进而消除热点、维持高性能。不仅如此，该系统亦可针对医院信息系统、临床信息系统、重点照护检验系统等不同面向，更智能地储存病患信息和图像。