醫療照護資訊分析

前臺灣醫療資訊協會理事長 王大為

資料科學(Data Science)最近十年來，已然成為非常熱門的領域，對智慧醫療產業的發展，更有著關鍵性的作用。前臺灣醫療資訊協會理事長，現任中央研究院資訊所研究員的王大為指出，資料科學本來就是個協同合作的領域，醫療資料不但數量龐大，產生的速度更是驚人，類型差異也相當大，必須要透過科技來處理這些資料，成為有用的資訊，才能隨時隨地的做出適合的決定。

王大為表示，資料科學融合了三個非常複雜的領域，分別是電腦科學(Computer Science)、數學和統計(Math and Statistics)及主題專家(Subject Matter Expertise)，原則上至少會跨兩個領域，如要發展機器學習(Machine Learning)就需要融合電腦科學及數學統計兩大領域，可見一次要跨三個領域，就會更加困難，挑戰性相當大，由此可見醫療科技加上資訊科技的難度有多高。

王大為認為，資料科學所遭遇的挑戰之一，在於各種資料散佈在各地，要能夠加以應用非常困難，而且因為資料進來的速度非常快，可能只能很快的讀取，就得做出決定，加上現在的資料類型差異很大，如何組合這些資料，成為便於預測的有用資訊，都構成資料科學當今需要面對的問題。

但所幸目前也有著許多技術面的突破，有利資訊科學的發展，如在分析技術面上，許多瓶頸都已有所進展。以機器學習為例，王大為表示，電腦受限於運算速度及資料容量，過去不能像人類一樣處理比較抽象的思考，但目前的深度學習(Deep learning)技術已可將電腦及人腦做更好的結合，用來投入訓練電腦處理抽象資訊。圖形分析(Graph analytics)則可以用來分析人際關係，預料在智慧醫療會有很多應用，自然語言處理(Natural language processing)也可用來分析重要的醫學資料如中英文夾雜的病歷記錄等。

大型網格運算過去所遭遇的問題，也可以透過Map-Reduce來解決。由於儲存設備成長快速、分散運算成長快速，資料量現在已經大到可以有表現空間，讓人可以很容易的使用電腦來解決問題。

王大為以電腦文字頻率分析(Compute word frequency)為例指出，工程師現在想要寫出一個Map Program去算出特定文字的數量，只要先去數每個網頁出現的字，接下來只要指定那些字跑到什麼電腦，電腦就會自行運算出來了。

至於資訊的可視化(Visualization)方面，主要目標是要透過圖形化方式，清晰而有效地傳達信息，而為了有效地傳達思想，美觀的造型和功能需要齊頭並進，提供相當細微的洞察能力，讓複雜的數據可以用更直觀的方式傳達，而目前電腦處理視覺資訊的能力仍不如人類，也是未來需要突破的挑戰之一。

資訊格式過於複雜及要面對多種機構，王大為指出，正是導致醫療資訊處理困難的原因之一，也如醫療資訊就包含保險理賠、醫生筆記、醫療影像、與健康相關的社交媒體對話、可攜式監控設備的數據等。至於需要處理醫療資訊的單位，包括供應商、付款者、雇主、客製遺傳測試業者、社交媒體和病人等，但如果能善加處理，其實等於也是抓住很大的機會。

王大為認為，所謂的智慧，其實是集合資料來看出特定的模式及知識。因此智慧醫療系統最重要的特點，就是要有學習能力，必須要有能力在完成每一次最佳照護(best care)時，就能分析大量的資料，以便隨時隨地的做出適合的決定。例如碰到病患時，智慧醫療系統要能迅速蒐集病患的生理、心理及環境的狀況，同時可以馬上找出過去及其他地區的類似狀況的資料，作為分析參考。

因此不管是為了治療或預防疾病，在電子醫療記錄已經被廣泛採用的情況下，在考慮每個人的基因及身處環境所造成的個體差異，加上生活方式的差別下，投藥的精準度要求已經愈來愈高，也讓目前已經是發展智慧醫療系統的關鍵時刻。

如美國總統歐巴馬已經宣布將在2016年投入2.15億美元，在美國國家衛生研究院(NIH)建立大規模的調研團隊，同時也分配給國家癌症研究所(National Cancer Institute)領導的癌症基因組研究。

王大為指出，台灣醫院管理能力堪稱是全球數一數二，但想要從即時大量產生的資料，產生能夠可以實際應用的資訊，仍有許多需要突破的地方。以健康存摺與電子病歷交換中心，台灣算是已經站上了起跑點；防疫雲也已經可以做到機器對機器之間的資訊交換，不但能夠節省人力，又可以增加速度。

但如果要進一步發展到健康雲，可能就要注意跨領域問題。同時在隱私權方面，有人認為健保資料其實是強迫提供，不應該被直接拿來做研究。王大為因此呼籲，為了鼓勵大家主動參與，讓智慧醫療架構穩穩地在社會運作，應該要讓參與的人能夠得到回饋，台灣市場規模雖然小，但只要稍微做一點努力，不但就可以開始跑，而且可以跑得比別人更快，創造領先其他人的優勢。