IT應用逐漸加深 醫療智慧化趨勢底定

台灣機構式服務架構圖。

IT技術在醫療領域的應用加速，供需兩端的全力推動下，其功能設計越來越多元，放眼未來，無論是長照或是醫院內部，IT系統都將成為營運的核心架構。

台灣近年來有逐漸高齡化的趨勢，根據國發會統計，少子化嚴重衝擊了人口結構，預估2030年後青壯年比率將開始低於其他國家水準，為因應此一狀況，除了鼓勵生育外，政府也積極推動長照政策，透過健全的照護機構與系統，落實老有所終的願景。

台灣擁有傲視全球的醫療與科技技術，業界也已開始整合雙方技術並投入發展。從發展軌跡來看，台灣政府在2016年底開始推動長照2.0，並逐步放寬法令，經過一年雖然尚不見爆發性的商機，不過多數IT廠商的產品布局已具基礎，未來的應用只需調整功能即可。目前最棘手的問題反而是在需求端，由於IT系統導入需要一定的成本投入，還需改變原有的作業方式，業者難免產生抗拒心態，不過IT技術的導入仍是智慧醫療與長照系統的既定趨勢，中間或有波折，但整體方向是確定的。

台灣的長照政策近年來最大的變動要屬衛福部對醫師法第11條的重新解釋，為避免訊息疏漏，過去此條法令規定「醫師非親自診察，不得施行治療、開給方劑或交付診斷書」，山地、離島、偏鄉或有特殊急迫情形的醫療需求，也必須由主管機關指定的醫師，才能診療。

在此法令下，網路視訊並不屬於允許範圍，此一作法對長照發展產生限制，由於醫療照護是人力密集的產業，而其高度專業也延伸出高度成本，因為對於以居家照護為主的長照機制來說，人力親為的逐一訪視，將是成本極高、效益極低的作法。近期衛福部重新解釋法令，將針對6種特殊狀況開放遠距醫療，包括慢性病患、緊急住院後出院、住宿型長照機構住民、國際病患、適用健保居家醫療照護整合計畫與家庭醫師整合性照護計畫、政府試辦的遠距照護計畫，此一法令大幅放寬遠距技術在醫療與照護的使用，從而延伸出多元應用與龐大商機。

因應需求  選擇適用功能

目前遠距通訊技術在醫療的應用可分為醫療與照護兩類，醫療部分主要是解決偏鄉地區的醫療資源不足問題，過去偏鄉地區的醫院常因設備匱乏或醫師經驗不足，導致醫療成果不佳，在病情無法獲得緩解的狀況下，最後通常必須轉診至城市的大型醫院，遠距醫療讓大城市的醫師對區域型醫院醫師提供諮詢服務，藉此降低轉診比例。照護方面則以慢性病為主，例如彰化基督教醫院與嘉義基督教醫院對糖尿病患者的血糖監控就是一例。

而不管是醫療或照護，遠距通訊都是未來醫療的重要技術，透過遠距通訊架構出了雲端平台，更成為智慧醫療的核心運作系統。就目前發展來看，業界針對醫療發展出的雲端服務大致可分為健康管理與長照管理兩部分，健康管理的項目包含服藥提醒、即時生理資訊監控、每月健康報表等；長照管理則分為生理數值系統、跨領域系統、指標監測系統等。

生理數值系統是負責監控生理訊息，將儀器或感測器的數據上傳至雲端，或是設定正常值範圍，一旦數值超標即會發出警示；跨領域系統則是由不同領域的醫護人員針對個案、討論交流出專屬的照護計畫；指標監測系統與生理訊號監控不同，此系統偏向突發性事件，例如跌倒、感染等緊急狀況監測，若有設定情況發生，將會即時提供醫護或救援服務。

上面提到的功能，也會因應照護機構中不同應用環節而選擇，目前台灣的機構式照護服務架構可分為5部分，包括機構照護雲端平台、醫療機構、醫護安全(救護車)、養護機構、護理之家(見圖示)，此服務架構以機構照護雲端平台為主，其他4個機構分別與之串接，例如護理之家將慢性病患或出院後仍需護理的患者生理訊息上傳到機構照護雲端平台，平台內建的生理數值系統負責接收、監測、分析生理訊號，當生理訊號出現異常，就會提醒護理人員前往處理，另外醫師也會透過平台提供即時遠距會診或診斷諮詢服務。

養護機構由於服務對象以慢性病且有長期照護需求的高齡者為主，與護理之家的最大差異在於僅有照護者沒有護理人員，因此醫療機構除了診斷外，院內的護理人員也會經此平台提供護理指示；而若有緊急送醫事故，雲端平台也會與救護車連結，定位追蹤位置，並傳送緊急通報訊息。

物聯網與AI應用發展潛力十足

在上述架構與服務功能中，可以看出雲端平台在遠距醫療的核心地位，而除了雲端外，物聯網與AI(人工智慧)在未來的智慧醫療體系中，也將扮演重要角色。其實就整體架構來看，遠距醫療就是大型物聯網的概念，只是感測的對象以「人」為主，「物」的比例相對較小，不過若是將範圍縮小至醫院內部，物體偵測的比例就會往上攀升，目前醫院導入的物聯網架構，其管理仍多以資產管理為主，像是病床、醫療器材等，病患的生理訊號量測設備仍多為單機作業，少有連網設計，病患的手環也仍僅止於身分識別，與Beacon連接定位位置之類的作法，仍多在測試階段，實際應用仍少。

至於AI則更處於試驗階段，不過業界均認為應用的廣度與深度都值得期待，現階段的AI發展主要以深度學習演算法為主，透過機器學習不斷修正錯誤，讓設備的判斷分析一次比一次精確，例如現在美國醫療機構多將X光影像傳送到印度，具有專業執照的印度醫師分析後，再將數據傳回美國，這種知識分工的模式已經行之有年。而AI導入後，印度醫師的X光判讀工作，極有可能交由AI負責，不過業界強調，未來解決問題的方式，不是只靠AI，而是AI加HI(Human Intelligence)，在醫療領域也會是如此，AI將負責例行性的低專業工作，人類則是將精神與體力專注在高彈性、高專業的部分。

不管是雲端、物聯網或AI，醫療的系統都必須以人為本，因此IT業者在與醫療業者合作時必須謹記，在此領域中，科技是Key不是King，如此才能跳脫自身的思維侷限，從病人的角度思考，方能產生最適合的智慧醫療設計。