WPS
活动+
 

医策会医疗质量奖 解决痛点与用户体验为核心

随著智能医疗科技的导入,医策会评监项目也逐渐科技化与应用导向。蔡腾辉

每个产业的发展,都势必会有评监与绩效评估。医疗产业也是如此。透过每一年的医疗质量评监与发展方向研议,智能医疗的发展越来越快速。财团法人医院评监暨医疗质量策进会执行长王拔群表示,每一年的医疗质量奖得奖名单上,都有许多令人为之一亮的创意。

医疗技术推广与交流:医疗质量奖

每年医策会都有医疗质量奖的公开征选。每年4~5月开始公开征求,10月公布名次。平均来说70多支队伍报名,取出30多名。在这样的过程当中,不仅能够帮忙提升这些业者与医疗机构的产品与技术让市场看到,同时也可以用更直接的方式,促进产业交流。

王拔群表示,各国的医疗产业智能化的进程都不同。比方说,美国早在好几十年前,就已经在开刀房的区域,导入能够沿著地上的磁条运行且辅助搬送医疗用品的机器人。针对科技引用、导入、更新,还是要因地制宜,调整成最适合该场域的科技应用,才能发会最大的效果。王拔群认为,科技与概念引用,要有策略性的分析,量大才会有规模。

评审委员大约有20位。这些业界的专家,都会实地造访各场域,评监这些医疗革新事项。此外,王拔群说,这已是各界认同的盛会,各医院的院长都会前往2018年12月14日的典礼上领奖。

医疗质量评监项目

在产业应用的智能医疗评监上,包括了开发目的、产品特色与创新、成果与成效、应用推广、资料呈现等面向。其中又以成果与成效评分占比最高。足以显见,解决医疗场域的问题,实为重要。另外,在重要性与发展性、智能化功能特色、整体运行与成效、现场表现等现场发表的评分项目当中,要如何让使用者有感,则是各单位不可忽略的重点。

在互动上,确实性、整体运行、外推行都十分重要。尤其是包括使用者感受、信息科技的实用性、考量安全议题与建置失效的预防措施等项目上,都是相当关键的评分项目。除了整体医疗质量评监以外,在门诊、急诊、手术、药物、行政等方面,也都有颁发智能标章。

行政流程优化与物联网联结

现在许多参赛的医疗创新内容包括了两大类:

第一类,行政支持:透过技术排程的优化,加速系统的行政效率。但王拔群认为,这类的技术很快就会到达瓶颈,达到短期内无法再继续推升的阶段。

第二类,连结(Connectivity):也可以说是医院内部小范围的人工智能应用。许多医院都已经在试作。超越健保资料库、透过不同的资料库,结合病患的信息,产出系统分析,再与病理、X光、血液等资料结合,最后与个管师搭配。象是个管师透过上述技术,能够有效分析1.5万名糖尿病患的资料。

人工智能与犯罪基因检测

针对未来医疗可以发展的方向,王拔群认为,或可朝医疗家族史为中心,连结健康资料,进一步分析基因信息。比方说,现在是以罪犯,或是病患个人为中心,未来罪犯的亲戚也要加入测试。测试看看在基因当中,是否也共同存在一些犯罪的「因子」。

成功发展智能医疗的核心

解决最基本的医院痛点,还是最优先的研发考量。王拔群说,各式智能医疗技术的商品化程度不一,建议先以能够解决大多数问题着手。接著就能量化生产,最后再走客制化的路线。

医策会多元教育训练与推广

目前对内教育训练的项目包括人工智能、大数据、物联网等内容。对外则是明定医疗评监等质量指标。台湾临床成效指标(Taiwan Clinical Performance Indicator;TCPI)也已经推行20年,成为医界指标。透过教导、交流、标竿学习等方式,协助医院查找有效的资料,同时也推广实体论(Ontology)的概念。王拔群说,透过有意义地使用医院信息系统(HIS),未来2~3年内,台湾各大医院的智能医疗将会发展得很好。

智能医疗5年内的发展预期

王拔群认为,5年内,医院医师与病患交流与信息系统将会做得更加完善。包括优化行程和排程。另外在语言输入方面,也会有各科常用的字词库,供每科别的医疗人员使用。在3D影像显示方面的进展,则能够缩短处在不同地方的医院医师和病患之间的距离,同时也能让远距医疗的技术再次提升。除此之外,美国已有电话中心,衔接病患与医师之间的信息传递,已能有效提升隐私与增进医疗效率。相信未来台湾也会有这样去辨识化的电话中心机制。

包括家庭科、集成照护科、一般科的医护体系都可以在日常深入社区,帮助医师了解在地化的医疗需求,并且从而筛选与找出优先医疗顺序。透过资料库分析和统计,医疗行为也能有更精细的警示与提醒。

智能医院方面,透过整体环境管理、停车引导、车牌辨识、人脸辨识。未来医院也能导入智能停车与缴费系统,加快民众的就医的效率、降低等待时间、在院时间。王拔群说,已经有些百货商场使用这样的技术,也证明技术实为可行,但医院是否能实际采用,则是未来智能医院发展的关键。

医疗人工智能还须产业群起

人工智能要发展得顺利,就是要有足够的样本学习。然而,台湾临床集成的规模太小。某些急需人工智能快速分析的病症,一家医院大约只有50~100个案例。学习样本数的不足,也让人工智能的发展显得局促。

人工智能的耳膜检测正确率已经达90%。王拔群表示,对于人工智能的「协助」,还是要相当谨慎,因为最终要对医疗行为负责的还是医师。

此外,资料量大且医护人员反应速度需要极快与正确的加护病房(Intensive Care Unit;ICU),资料处理完毕,透过中介软件(Middle Ware) 分析,在透过无线传输给与人员建议。这些都是需要更多数据集成,才有办法发展完善。

更多关键字报导: 工作流程 医策会 人脸辨识 人工智能