精準健康產業的契機與實踐

前臺大醫院副院長、工研院生醫與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、風險評估與預測、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產品都須以患者與使用者爲核心，多模態以及有實證基礎的數據爲學習材料，爭取覆蓋醫療全流程全病種各個環節，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算法軟體與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」健保的數據庫和「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、落地到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。