醫療新紀元來臨，AI 扮演關鍵角色
在智慧醫療成為顯學的今日，AI 被寄予厚望，從影像判讀、臨床決策支援到醫院營運管理，皆被視為提升醫療品質與效率的關鍵工具。然 AI 並非萬靈丹，若缺乏高品質、可運用的醫療資料，再先進 AI 模型也難以發揮實質效益。
採訪／施鑫澤 文／林裕洋
在智慧醫療成為顯學當下，愈來愈多醫院將 AI 應用於影像判讀、臨床決策支援、醫院營運管理等，期盼藉此提升醫療品質與效率，同時舒緩醫療人員的工作壓力。儘管在當今科技浪潮中，AI 早被視為最強大引擎，但是若沒有高品質的醫療資料搭配，恐怕難以發揮預期的效益。
然即便醫院擁有大量醫療資料，也不代表能輕鬆邁向智慧醫療。關鍵在於資訊部門往往專注於確保系統的穩定與運作，而非從大量資料中挖掘出具有臨床意義與管理價值的洞見，反而成為實現醫療轉型的障礙之一。
臺中榮總智慧醫療委員會副執行長本身也是臨床資訊科主任蔡尚峰指出，資料為王已非口號，而是成為各種產業強化競爭的鐵律，醫療產業自然也不例外。無論是臨床決策支援系統、精準醫療等專案，乃至於龐大的醫院行政管理，所有智慧化應用都建立在資料基礎上。
臺中榮總在電子病歷、資料倉儲到資料標準化等領域，已持續累積超過二十年的資料治理經驗，成為我們發展智慧醫療最大助力。
獨特 4V 特性 資料清洗不可少
醫療資料與傳統商業資料不同，存在獨特的「4V」特性。第一項特色是資料量極大（Volume），且呈現指數級成長。醫療資料早期是指病歷上的文字紀錄，現今則涵蓋 X 光、電腦斷層、磁振造影等高解析度影像，到連續的心電圖波形，甚至是全基因定序等龐大檔案。
其次，醫療資料類型有獨特多樣性（Variety），不僅包含結構化的電子病歷，如檢驗數值、處方代碼，以及大量半結構化與非結構化資料，如醫療影像、醫生手寫筆記、基因圖譜等等。如何將「不同語言」資料整合在一起，讓機器讀懂影像背後的病理意義，正是推動智慧醫療發展的第一道門檻。第三大特色是資料變化速度快（Velocity），如加護病房的監測器、病患身上的可穿戴裝置，正以毫秒為單位持續生成資料。這些資料若能被即時分析，就能在病患心跳停止前發出預警，或在血糖異常時立即介入，給予最合適的治療方式。
蔡尚峰說，醫療資料第四大特色是資料品質參差不齊（Veracity），關鍵在於醫療現場充滿變數，當輸入錯誤、標準不一、儀器誤差或病患隱瞞病史，都可能導致資料失真。
此外，資料品質不一、編碼不一致、歷史系統遺留問題，更使得資料整備成為一項長期工程。因此，在進入 AI 模型之前，資料清洗與標準化成為至關重要的基礎工程。
換句話說，只要資料經過整理與提煉，便能支撐起智慧醫療的「驅動精準醫療」、「優化臨床決策」、「革新醫院管理」等三大應用支柱，徹底改變醫療服務的樣貌。如醫療影像系統藉由 AI 模型協助，可在胸部 X 光片上自動標示出肉眼難以察覺的微小結節，或者根據病患的多項生理數值，預測敗血症發生的機率。此種應用模式並非要取代醫生，而是提升醫療品質與病人安全，減少人為疏失。
善用 230 萬臨床資料 全力釋放資料價值
1995 年臺灣開辦全民健保制度至今，已累積長達 30 年、覆蓋率達 99.9% 的醫療資料，是全世界少見、完整且連續的國家級資料庫，更是訓練 AI 模型最佳後盾。這讓臺灣在發展適合亞洲人的精準醫療模型上，具備不可替代的地位。身為國家級醫學中心之一的臺中榮總，目前已累積約 230 萬人的高品質的臨床資料，其中約八成轉換為 OMOP 格式，形成可快速應用的資料基礎，搭配積極透過組織變革，全力釋放資料價值。
在臺中榮總規劃中，資訊處已不再僅是後勤維修單位，而是與臨床緊密結合的戰略夥伴。藉由跨部門的智慧醫療委員會，將醫師的臨床痛點轉化為資料需求，再由資訊工程師開發出對應的 AI 模型，藉由「醫理」與「數理」深度融合，成為中榮能在大數據應用上領先的關鍵。「醫理」是醫師對疾病機轉與臨床決策的專業判斷，「數理」則是透過統計、資訊與人工智慧，將這些臨床問題轉化為可驗證、可擴展的大數據分析模型。兩者的深度融合，才能讓數據真正回饋臨床。
身兼臨床醫師、資訊科主任的蔡尚峰表示，在醫療資訊架構設計上，中榮將即時線上系統與資料倉儲明確分離，確保臨床運作與病人安全不受影響，同時讓研究與 AI 應用能在後端穩定進行。
此種資料準備度可快速支援臨床預警、AI 模型訓練、行政決策分析，並參與跨院、跨國研究合作。此外，我們也透過與國際醫療資料平台合作，資料品質也必須接受第三方驗證，進一步證明資料標準化與治理的重要性。當資料被視為資產，而非單純的系統副產品，醫院才能真正進入智慧醫療的下一階段。
借鏡物流產業 改善醫療管理流程
臺中榮總在推動醫院管理革新時，蔡尚峰提出醫療產業應該向物流業學習的思維。過去，物流中心面對不確定需求，往往需要準備 90 天庫存，背後代表巨大的資金積壓與倉儲成本。但現今在資料驅動下，業者已可以預測「三天後某個社區會需要什麼貨」，因此貨物不需要堆在倉庫，而是直接「在路上跑」。如阿里巴巴旗下的「菜鳥網路」，正透過強大「資料中台」進行精準的需求預測。
此種模式若能應用於醫院管理，將帶來翻天覆地改變。首先是「動態庫存管理」， 系統能預測未來一週手術與用藥需求，讓供應商即時補貨（Just-In-Time），大幅降低醫院的庫存成本，免去囤積大量昂貴藥品或耗材。其次則是「即時報價與資源調度」，如同物流業能在三秒內查出庫存並報價，未來醫院行政系統也應具備這種即時反應能力，即當某項檢測需求暴增，系統能動態調配人力與設備，而非讓病患無止盡等待。
蔡主任指出，企業若能掌握數據預測能力，即能在更輕資產、高周轉率的方式勝出。醫療機構若能借鏡物流產業的思維，自然將能把省下的行政成本，轉投入到更核心醫療技術研發與病患照護上，對於病患、醫院等創造雙贏局面。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
