精準健康產業的契機與實踐

臺大醫院院長、工研院生醫醫材研究所顧問許世明。(本報資料照片

精準健康」強調的是未病數據的分析、風險評估預測、致病機制探索及健康管理決策方案提供,在未來2-5年,「精準健康」將可更廣泛應用在疾病預防、慢病管理等之大健康產業,藉由早期篩查、疾病風險預測與風險管理,提升全人類之健康和生命品質

健康檢查和管理不是單純的檢查診斷,從檢前、導檢、問診、篩查診斷、治療與後續管理與風控完整過程,都需要AI的參與,而所有的AI產品都須以患者使用者核心,多模態以及有實證基礎的數據爲學習材料,爭取覆蓋醫療流程病種各個環節,也因如此,未來產品以組合形態或者整體解決方案將會成爲常態或必要。

AI作爲深度學習的模型,對於普通消費者來說不易感知,需要藉助載體平臺看到產品的形態與應用流程才較有感,AI算法軟體硬體融合可提升智能密度,降低50%-80%建設投入,軟硬融合、硬體系統架構支撐及人機交互界面,從而使得AI產品能夠最爲有效的滿足大健康預防醫學的需求。「精準健康」要把AI的信息整合到結構化報告裡,以滿足健康管理決策方案提供的需求,即所有的運算都是爲能夠提供病患教育、提升病患認知、從而達到病患賦權、共同決策及更好的病患尊從率,才能做好有效的健康管理。

「已病」健保數據庫和「未病」亞健康的數據是絕然不同的,當病患住院時,所有必要的檢查都是圍繞該疾病的診斷或治療需求,且數據只是這事件的「斷點」或「結果」。而健康管理所需要的數據、從項目、種類、組合、檢驗精準與敏感度的要求、標準截域值的設定,都與尋常看病相當不同,更強調是數據取得的時間、次數、和趨勢觀察,以找出疾病的前期徵兆

此外,數據庫建設是一個門檻很高的領域,需要行業權威專家包括臨牀醫師病理學專家、檢驗師、生物資訊以及統計學者共同參與,而面對相對較高的數據加工成本,導致數據庫建設不足、進程緩慢,若能透過雲端互聯網,從醫院、健康管理中心落地基層家醫診所甚至養老院所、長照中心,提升基層的健管和照護水平,實現醫學中心優質醫療資源的分級診療,才能落實遠距醫療的效益