邱弘毅／大數據資料庫 打造個人化精準健康

九○年代，國內的公共流行病研究仍屬古典方式，多以環境暴露、抽菸、喝酒等外在因素作為研究方向，到了一九五四年，當時盛行於台灣西南沿海的烏腳病，是因為濱海地區民眾飲用大量含砷井水造成的慢性砷中毒。

但研究人員們也開始思考，為何同區域中，有人較為嚴重，甚至引發癌症，有人則較不受影響，剛剛問世的分子醫學揭開了初步的解答，在類似的環境中，因為個人遺傳特質不同，代謝環境汙染物的能力也不同，導致在不同人們身上，有不同層次的疾病發展。

不同的人處於相同環境，會有不同的差別反應，個體差異性逐漸成為公共衛生顯學，也就是精準健康時代的起點。早年，科學家對基因的認識仍少，大數據成為最好的工具，健保一九九五年開辦，雖累積國人疾病資訊，成為極為珍貴的大數據來源，但是仍缺乏個人生活因子的資料，因此還缺了一塊拼圖。

國人中風圖像 提供新思維

北醫曾進行一項台灣中風病人登錄系統研究，共集結國內卅九家醫院、三萬多筆中風病人的資料，合併健保資料庫，成為全亞洲最大規模的中風病患資料分析，從而清楚地描繪出國人中風的圖像，並提供臨床治療的新思維。

例如，對缺血性中風病患要施打血栓溶解素，趕緊打通血管，以降低預後失能、半身不遂的機率。而根據國內的資料，送醫到治療的所需時間，從二到四個小時都有。建議要「盡快」施打血栓溶解素，到底要多快呢？根據研究後，若是能對中風病患，從出門到下針有效控制在三小時內，可以改善中風病患的預後。透過醫界努力，把握住黃金三小時，國內中風病患從國人十大死因的第二名，下降到第四名。

如今，健保資料庫愈來愈成熟，大數據提供巨型研究的資料分析來源，可將病人分群，近一步研究，若能遵循治療規範，與未遵循治療規範的預後差別。目前，更著手分析，中風病患是失智高危險群，且有突發的高血糖，從AI影像判斷，可能與腦部栓塞的位置有關，將持續研究討論，以降低中風病患失能的風險。

國衛院建構精準健康平台

國衛院是健康政策智庫，健康群體科學研究所已著手建構全齡精準健康平台，以大數據資料庫形塑預防、預測、診斷、治療、照顧的個人化精準健康。

使用統計模式估算出危險因子，設定疾病管理目標，例如糖尿病血糖控制到何程度，可以降低多少併發症等，進而作為健保給付政策的建言，從而降低國人周產期死亡、生長遲緩、兒虐意外死亡、青少年代謝症候群、心血管疾病、腎臟病、中風、失能等，減少損失國人平均餘命，延長健康餘命。

健保資源應用於購買健康

戰後嬰兒潮正在老去，且新醫療科技發展快速，而健保資源有限，健保總額轉眼就會破兆，可以付健保費的人變少，花費的人變多，因此收入與支出的差距會愈來愈大，唯有將資源用於「購買健康」，鼓勵醫院發展核心醫療，治療時納入精準健康，並鼓勵論質計酬，讓需求控制在成長範圍內，達到健保與民眾雙贏。

健保大數據