医疗照护信息分析

前台湾医疗信息协会理事长 王大为

数据科学(Data Science)最近十年来，已然成为非常热门的领域，对智能医疗产业的发展，更有着关键性的作用。前台湾医疗信息协会理事长，现任中央研究院信息所研究员的王大为指出，数据科学本来就是个协同合作的领域，医疗数据不但数量庞大，产生的速度更是惊人，类型差异也相当大，必须要透过科技来处理这些数据，成为有用的信息，才能随时随地的做出适合的决定。

王大为表示，数据科学融合了三个非常复杂的领域，分别是电脑科学(Computer Science)、数学和统计(Math and Statistics)及主题专家(Subject Matter Expertise)，原则上至少会跨两个领域，如要发展机器学习(Machine Learning)就需要融合电脑科学及数学统计两大领域，可见一次要跨三个领域，就会更加困难，挑战性相当大，由此可见医疗科技加上信息科技的难度有多高。

王大为认为，数据科学所遭遇的挑战之一，在于各种数据散布在各地，要能够加以应用非常困难，而且因为数据进来的速度非常快，可能只能很快的读取，就得做出决定，加上现在的数据类型差异很大，如何组合这些数据，成为便于预测的有用信息，都构成数据科学当今需要面对的问题。

但所幸目前也有着许多技术面的突破，有利信息科学的发展，如在分析技术面上，许多瓶颈都已有所进展。以机器学习为例，王大为表示，电脑受限于运算速度及数据容量，过去不能像人类一样处理比较抽象的思考，但目前的深度学习(Deep learning)技术已可将电脑及人脑做更好的结合，用来投入训练电脑处理抽象信息。图形分析(Graph analytics)则可以用来分析人际关系，预料在智能医疗会有很多应用，自然语言处理(Natural language processing)也可用来分析重要的医学数据如中英文夹杂的病历记录等。

大型网格运算过去所遭遇的问题，也可以透过Map-Reduce来解决。由于储存设备成长快速、分散运算成长快速，数据量现在已经大到可以有表现空间，让人可以很容易的使用电脑来解决问题。

王大为以电脑文字频率分析(Compute word frequency)为例指出，工程师现在想要写出一个Map Program去算出特定文字的数量，只要先去数每个网页出现的字，接下来只要指定那些字跑到什麽电脑，电脑就会自行运算出来了。

至于信息的可视化(Visualization)方面，主要目标是要透过图形化方式，清晰而有效地传达信息，而为了有效地传达思想，美观的造型和功能需要齐头并进，提供相当细微的洞察能力，让复杂的数据可以用更直观的方式传达，而目前电脑处理视觉信息的能力仍不如人类，也是未来需要突破的挑战之一。

信息格式过于复杂及要面对多种机构，王大为指出，正是导致医疗信息处理困难的原因之一，也如医疗信息就包含保险理赔、医生笔记、医疗影像、与健康相关的社交媒体对话、可携式监控设备的数据等。至于需要处理医疗信息的单位，包括供应商、付款者、雇主、定制遗传测试业者、社交媒体和病人等，但如果能善加处理，其实等于也是抓住很大的机会。

王大为认为，所谓的智能，其实是集合数据来看出特定的模式及知识。因此智能医疗系统最重要的特点，就是要有学习能力，必须要有能力在完成每一次最佳照护(best care)时，就能分析大量的数据，以便随时随地的做出适合的决定。例如碰到病患时，智能医疗系统要能迅速蒐集病患的生理、心理及环境的状况，同时可以马上找出过去及其他地区的类似状况的数据，作为分析参考。

因此不管是为了治疗或预防疾病，在电子医疗记录已经被广泛采用的情况下，在考虑每个人的基因及身处环境所造成的个体差异，加上生活方式的差别下，投药的精准度要求已经愈来愈高，也让目前已经是发展智能医疗系统的关键时刻。

如美国总统欧巴马已经宣布将在2016年投入2.15亿美元，在美国国家卫生研究院(NIH)建立大规模的调研团队，同时也分配给国家癌症研究所(National Cancer Institute)领导的癌症基因组研究。

王大为指出，台湾医院管理能力堪称是全球数一数二，但想要从实时大量产生的数据，产生能够可以实际应用的信息，仍有许多需要突破的地方。以健康存摺与电子病历交换中心，台湾算是已经站上了起跑点；防疫云也已经可以做到机器对机器之间的信息交换，不但能够节省人力，又可以增加速度。

但如果要进一步发展到健康云，可能就要注意跨领域问题。同时在隐私权方面，有人认为健保数据其实是强迫提供，不应该被直接拿来做研究。王大为因此呼吁，为了鼓励大家主动参与，让智能医疗架构稳稳地在社会运作，应该要让参与的人能够得到回馈，台湾市场规模虽然小，但只要稍微做一点努力，不但就可以开始跑，而且可以跑得比别人更快，创造领先其他人的优势。