IT应用逐渐加深 医疗智能化趋势底定

台湾机构式服务架构图。

IT技术在医疗领域的应用加速，供需两端的全力推动下，其功能设计越来越多元，放眼未来，无论是长照或是医院内部，IT系统都将成为营运的核心架构。

台湾近年来有逐渐高龄化的趋势，根据国发会统计，少子化严重冲击了人口结构，预估2030年后青壮年比率将开始低于其他国家水准，为因应此一状况，除了鼓励生育外，政府也积极推动长照政策，透过健全的照护机构与系统，落实老有所终的愿景。

台湾拥有傲视全球的医疗与科技技术，业界也已开始整合双方技术并投入发展。从发展轨迹来看，台湾政府在2016年底开始推动长照2.0，并逐步放宽法令，经过一年虽然尚不见爆发性的商机，不过多数IT厂商的产品布局已具基础，未来的应用只需调整功能即可。目前最棘手的问题反而是在需求端，由于IT系统导入需要一定的成本投入，还需改变原有的作业方式，业者难免产生抗拒心态，不过IT技术的导入仍是智能医疗与长照系统的既定趋势，中间或有波折，但整体方向是确定的。

台湾的长照政策近年来最大的变动要属卫福部对医师法第11条的重新解释，为避免信息疏漏，过去此条法令规定「医师非亲自诊察，不得施行治疗、开给方剂或交付诊断书」，山地、离岛、偏乡或有特殊急迫情形的医疗需求，也必须由主管机关指定的医师，才能诊疗。

在此法令下，网络视讯并不属于允许范围，此一作法对长照发展产生限制，由于医疗照护是人力密集的产业，而其高度专业也延伸出高度成本，因为对于以居家照护为主的长照机制来说，人力亲为的逐一访视，将是成本极高、效益极低的作法。近期卫福部重新解释法令，将针对6种特殊状况开放线上医疗，包括慢性病患、紧急住院后出院、住宿型长照机构住民、国际病患、适用健保居家医疗照护整合计划与家庭医师整合性照护计划、政府试办的线上照护计划，此一法令大幅放宽线上技术在医疗与照护的使用，从而延伸出多元应用与庞大商机。

因应需求  选择适用功能

目前线上通讯技术在医疗的应用可分为医疗与照护两类，医疗部分主要是解决偏乡地区的医疗资源不足问题，过去偏乡地区的医院常因设备匮乏或医师经验不足，导致医疗成果不佳，在病情无法获得缓解的状况下，最后通常必须转诊至城市的大型医院，线上医疗让大城市的医师对区域型医院医师提供谘询服务，借此降低转诊比例。照护方面则以慢性病为主，例如彰化基督教医院与嘉义基督教医院对糖尿病患者的血糖监控就是一例。

而不管是医疗或照护，线上通讯都是未来医疗的重要技术，透过线上通讯架构出了云端平台，更成为智能医疗的核心运作系统。就目前发展来看，业界针对医疗发展出的云端服务大致可分为健康管理与长照管理两部分，健康管理的项目包含服药提醒、实时生理信息监控、每月健康报表等；长照管理则分为生理数值系统、跨领域系统、指标监测系统等。

生理数值系统是负责监控生理信息，将仪器或传感器的数据上传至云端，或是设定正常值范围，一旦数值超标即会发出警示；跨领域系统则是由不同领域的医护人员针对个案、讨论交流出专属的照护计划；指标监测系统与生理信号监控不同，此系统偏向突发性事件，例如跌倒、感染等紧急状况监测，若有设定情况发生，将会实时提供医护或救援服务。

上面提到的功能，也会因应照护机构中不同应用环节而选择，目前台湾的机构式照护服务架构可分为5部分，包括机构照护云端平台、医疗机构、医护安全(救护车)、养护机构、护理之家(见图示)，此服务架构以机构照护云端平台为主，其他4个机构分别与之串接，例如护理之家将慢性病患或出院后仍需护理的患者生理信息上传到机构照护云端平台，平台内建的生理数值系统负责接收、监测、分析生理信号，当生理信号出现异常，就会提醒护理人员前往处理，另外医师也会透过平台提供实时线上会诊或诊断谘询服务。

养护机构由于服务对象以慢性病且有长期照护需求的高龄者为主，与护理之家的最大差异在于仅有照护者没有护理人员，因此医疗机构除了诊断外，院内的护理人员也会经此平台提供护理指示；而若有紧急送医事故，云端平台也会与救护车连结，定位追踪位置，并传送紧急通报信息。

物联网与AI应用发展潜力十足

在上述架构与服务功能中，可以看出云端平台在线上医疗的核心地位，而除了云端外，物联网与AI(人工智能)在未来的智能医疗体系中，也将扮演重要角色。其实就整体架构来看，线上医疗就是大型物联网的概念，只是传感的对象以「人」为主，「物」的比例相对较小，不过若是将范围缩小至医院内部，物体侦测的比例就会往上攀升，目前医院导入的物联网架构，其管理仍多以资产管理为主，像是病床、医疗器材等，病患的生理信号量测设备仍多为单机作业，少有联网设计，病患的手环也仍仅止于身份识别，与Beacon连接定位位置之类的作法，仍多在测试阶段，实际应用仍少。

至于AI则更处于试验阶段，不过业界均认为应用的广度与深度都值得期待，现阶段的AI发展主要以深度学习演算法为主，透过机器学习不断修正错误，让设备的判断分析一次比一次精确，例如现在美国医疗机构多将X光影像传送到印度，具有专业执照的印度医师分析后，再将数据传回美国，这种知识分工的模式已经行之有年。而AI导入后，印度医师的X光判读工作，极有可能交由AI负责，不过业界强调，未来解决问题的方式，不是只靠AI，而是AI加HI(Human Intelligence)，在医疗领域也会是如此，AI将负责例行性的低专业工作，人类则是将精神与体力专注在高弹性、高专业的部分。

不管是云端、物联网或AI，医疗的系统都必须以人为本，因此IT业者在与医疗业者合作时必须谨记，在此领域中，科技是Key不是King，如此才能跳脱自身的思维局限，从病人的角度思考，方能产生最适合的智能医疗设计。