2020-07-21 新聞.元氣新聞
搜尋
智慧醫療
共找到
132
筆 文章
-
-
2020-06-27 醫療.慢病好日子
慢病主題館【腎臟病】腹膜透析結合雲端! 不必老是跑醫院,在家洗腎更安心
口述/亞東醫院腎臟科主治醫師邱彥霖隨智慧醫療發展,腹膜透析治療近年開始結合雲端傳輸科技,只要事前設定好全自動腹膜透析機,腎友睡一覺起床就能完成洗腎,而洗腎數據會上傳至雲端管理平台,讓醫護能遠端管理,如發現治療問題,可及早通知患者回診。許多國外研究證實,搭配雲端科技的腹膜透析技術,可改善腎友的住院率及住院天數,今年適逢新冠肺炎疫情,也讓新型腹透技術的遠距醫療功能被看見。不必老是跑醫院有別於傳統的血液透析治療,腹膜透析是從腹部放置導管後,由腎友每天在家更換乾淨的透析藥水,依據健保規定,每月僅須回診一次,不須像血液透析每周跑醫院三趟、每次花四小時洗腎。腹膜透析治療時間較彈性,保有接近原本的生活型態,費用也有健保給付。目前腹膜透析治療選擇,可分為「連續性可攜帶式腹膜透析(CAPD)」及「全自動腹膜透析(APD)」。前者被簡稱為「手動洗」,每天手動換液四至五次,每次約30分鐘;後者則稱「自動洗」,於腎友就寢期間的八至十小時進行洗腎。注意清潔就安全因腹膜透析是由腎友自己在家換液,護理師會指導腎友如何操作,因此必須遵從醫囑。基本上,腎友只要注意清潔、避免感染,在家操作腹膜透析其實很安全。有時候實務上會觀察到腎友在家治療狀況不如預期,通常是與腹部的導管位置不理想有關。因腹腔內的腸子會蠕動,腹部導管就可能隨著腸子的蠕動而跑位,就可能影響換液狀況。「但換液不完全,腎友不太可能會發現。」一般來說,照護團隊可透過腎友在家治療的手寫記錄,事後的資料整理與分析來評估治療狀況,但往往耗時且紀錄可能會有誤差。雲端管理更有效率台灣在這兩年開始導入腹膜透析雲端管理功能,將治療數據傳至雲端管理平台,讓醫護可於遠端管理病患的上機治療時間、脫水量等數據。如此一來,醫護就能快速分析並理解問題,並針對數據再進行家訪、電訪,或回診時更能對症下藥討論與更動處方。腹膜透析雲端管理具備多項優勢,例如透析治療品質變得更好、讓透析治療更乾淨更有效率,且醫護團隊能確認患者是否有按時洗腎。基本上,只要是沒動過腹腔大手術、腹膜通透性功能足夠的腎友,其實都適合使用腹膜透析治療。雖然在家機器自動洗腎,但鑒於偶爾可能遇到停電等狀況,因此還是會請腎友同時學「手動洗」的連續性可攜帶式腹膜透析。數據透明醫放心 腹膜透析是一種居家治療,面對現在全球疫病大流行期間,其實腎友更能透過選擇這種治療方式在家安心治療,避免醫院群聚等風險,畢竟腎友的洗腎透析治療不太能中斷,搭配最新的雲端科技,能讓醫病雙方更加安心。「使用新型雲端腹膜透析,上班不只方便也安心。」身為腎友的恩主公醫院中醫部藥劑師韓秉修說,使用自動機器洗腎,讓他上班時間不須中斷,因此能專心工作,且數據會自動回傳雲端,負責個案管理的護理師也會常來關心他的治療狀況,「就像醫護人員隨時在家照顧自己,這讓我覺得很有安全感。」【透析深度專題】做適合自己的選擇,去想去的地方【慢病好日子】糖友早上出門太匆忙,不吃早餐會影響血糖控制嗎?為什麼洗腎的人會便秘?有什麼助排便的好方法?提供最接近病友真實疑問的慢病衛教資訊,與您一起好好過慢病日子! 📍瀏覽專題>>慢病好日子主題圈 📍觀看影音>>慢病好日子YouTube 📍專屬訂閱>>慢病好日子電子報 📍追蹤加入>>慢病好日子94愛你慣粉絲團
-
2020-06-20 新聞.元氣新聞
奇美醫院運用AI輔助急診 一鍵預測流感是否會併發肺炎
長輩身體不適就醫,有時講不清楚身體哪裡不舒服,資淺的年輕醫師尤其傷腦筋。奇美醫院是國內首家將人工智慧(AI)技術應用於急診科治療的醫院,醫師可一鍵判斷病人的重症與死亡風險,立即決定該讓病人回家還是收治住院。這項系統於去年底正式應用於臨床,目前可針對高齡者流感等六種疾病發展進行預測。台大醫院今舉行智慧醫療研討會,奇美醫院急診部高齡者科主任黃建程出席分享上述系統的應用成果。他說,台灣人口快速老化,過去滿街娃娃車,未來滿街可能都是復康巴士。在急診現場觀察到,不少長者無法清楚描述病痛、病程變化,可能影響醫師判斷,因此奇美醫院發展AI協助預測疾病。他說,長者罹患流感容易演變成重症,據統計,七到九成的流感死亡者都是高齡者。奇美醫院急診部的AI輔助治療計畫優先以高齡者流感為對象,運用奇美醫院與分院過去5500多筆數據建立預測模型,這套模型會綜合分析臨床病人的昏迷指數、三高病史、血液分析資料等各項生理特徵,幫助醫師判斷眼前病人的疾病預後,並提早介入適當醫療。去年落實於臨床至今,準確率約八到九成,準確率會隨著日後數據資料增加而成長。曾有一名高齡94歲的老奶奶因流感就醫,剛開始並無肺炎,醫師也問不出更多細節。按照一般經驗,醫師可能會開藥讓她回家休息。不過,她的主治醫師應用上述AI系統,按下電腦螢幕中的「老人流感病情預測」鍵,分析結果竟顯示,她有高達六成一的機率會得到肺炎,三成六的機率會得到敗血症,四成四的機率會死亡。當下,她的醫師立即將她收治住院。果不其然,老奶奶住院一天內病況就急速惡化、出現肺炎,醫療人員緊急救治,但她仍不幸於兩天後過世。黃建程說,除了高齡者流感,現在這套系統還能預測急診病人胸痛、急性胰臟炎、高血糖、登革熱、肺炎等疾病的病情發展,更逐漸推廣至急診以外的其他科別,對資歷較淺的年輕醫師幫助尤高。
-
2019-12-13 該看哪科.巴金森氏病
腦部健檢/自爆有巴金森基因 張善政:精準醫療預防疾病
國民黨副總統參選人張善政昨天表示,醫藥產業需與資通訊科技(ICT)結合,才能幫助精準醫療發展。他曾接受基因檢測,確認是否有家族失智症基因,篩檢發現基因序列無失智風險,卻有巴金森氏症之虞,他強調,注重預防、維持健康即可降低觸發風險,「這就是精準醫療的優勢。」中壢天晟醫院昨天舉辦「科技與醫療的對話」座談,邀請張善政出席。他指出,精準醫療、智慧醫療、以及基因檢測等,均與大數據和電腦科技脫離不了關係,AI甚至可取代人力進行影像判讀,這是未來醫療發展趨勢。張善政分享,他母親失智,二年前過世,加上舅舅也疑似失智症,讓他擔憂是否具失智症基因。於是他進行基因檢測,經過三個月判讀後,顯示他的基因序列無失智症變異,卻有其他基因變異。專家判讀,認為這基因變異和巴金森氏症相關。張善政坦言,他一聽到消息時相當緊張,但專家告訴他,文獻顯示只要身體沒有暴露在惡劣環境下,好好照顧健康,基本上是可以預防巴金森氏症的。張善政說,這讓他體會到,無論什麼疾病,幾乎都是發病後才到醫院看診,可見預防疾病相當重要。座談尾聲,張善政與天晟醫院院長蔡芳生等人熱烈互動。張善政也關注長照議題,他強調,全人照顧不能被醫療或社福兩端切開看,而外界對長照印象多為辛苦行業,但其實很多工作是可導入ICT進行改善。以心跳脈搏為例,只要有穿戴裝置,自動上傳雲端,節省測量與紙本抄錄時間,出現異常也能透過手機或平板自動通知醫療院所、個案或家屬。天成醫療體系董事長張育美說,她提出大健康4.0,以醫療和長照建構大健康互聯網,提供智慧化的醫養服務,「努力把長照做到好」,希望照顧更多長輩。【加入臉書社團】幸福巴士[巴金森‧帕金森病園地]招募新成員!社團提供病友、照顧者及關心此疾病的成員一個互相交流、解決問題的平台,提供醫療知識及互相鼓勵,立刻加入:https://user137758.psee.io/3j74yy
-
2019-10-31 醫聲.罕見疾病
罕病新知/精準醫療 設國家級生物資料庫平台
台灣八年前通過「人體生物資料管理條例」,中研院推動「人體生物資料庫」,衛福部與國衛院整合國內31家醫院,宣布成立「國家級人體生物資料庫整合平台」。衛福部長陳時中昨天指出,這是台灣為了再生醫學、精準醫學、智慧醫療等射出的三支箭。衛福部昨天舉行「台灣精準醫療啟航Biobank整合平台聯盟成立發表會」,副總統陳建仁說,生物資料庫(Biobank)近年備受醫學界重視,國內發展生物資料庫時,他正在國科會服務,當年針對廿萬名健康成年人進行追蹤調查,蒐集到14種疾病患者生物檢體,但各家醫院資料未整合。經過多年發展,陳建仁說,台灣的生物資料庫已萬事俱備,接下來展開整合,政委吳政忠已允諾協助,國家級人體生物資料庫整合平台若完成,將是全球唯一有2千3百萬人健康資料的大數據。衛福部醫事司長石崇良表示,目前相關生物檢體都分散在全台大小不一的生物資料庫,運用受限,申請程序也繁複,無法發揮綜效,未來將串連31個資料庫並整合成單一窗口,簡化申請程序,可望發展出更多適合台灣人使用的新藥或治療方案。國家級生物資料庫整合平台計畫,將結合31家生物資料庫,估計有46萬名參與者、450萬件檢體,未來也將結合健保、癌症登記、罕病等資料庫,提高國內生醫研究與精準藥物研發等應用。
-
2019-10-01 新聞.杏林.診間
醫病平台/四成頭部CT恐白做嗎?健保署發展智慧審查工具之研討
【編者按】這星期的三篇文章是探討人工智慧與醫療的問題。非常高興我們醫病平台發起人之一的劉玠暘醫師在畢業後赴美專攻公共衛生,與其弟劉玠晏醫師共同寫出這篇有關健保署發展智慧審查工具之看法,並指出媒體的聳動標題可能引起社會大眾的誤會。一位醫學院教授溫陵也應邀以「臨床流行病學」、「病人照顧」、「衛生政策」三個不同層次幫忙一般讀者解讀數據對醫學與政策的影響。而台灣受試者保護協會林綠紅理事長也適時地提出她對人工智慧、大數據可能影響病人隱私權的隱憂。報載「健保署運用AI科技,發展智慧審查工具」,並優先運用於分析頭部電腦斷層(CT)之檢查報告。健保署採用資訊科技輔助甚或取代繁瑣冗長的人工作業,應為各界所樂見。對我們這一輩學習資料科學與公共衛生的年輕醫師、研究者而言,更是令人欣喜的進展。然而從健保署所發佈之訊息,以及相關媒體報導,我們認為有一些值得商榷之處。健保署目前僅達初步分析成果查健保署新聞稿,此處所謂之自然語言處理(NLP)與機器學習(Machine Learning),其實就是訓練電腦判讀檢查結果(意即從「人讀報告」變成「電腦讀報告」);而其實「影像醫學報告」這種具一定結構的文本,要讓電腦讀懂病灶在哪裡、是什麼,坦白而言並不十分困難,但能夠達致99%正確率,仍為可喜。至於健保署文稿中唯一提到的由此技術計算出的數據,「四成左右的檢查結果是與疾病無直接相關」,只是基本的敘述統計(descriptive statistics),無法據此作出深入的推論(inference),這點需要先行釐清。「四成檢查結果與疾病無直接相關」不見得是個問題同樣是頭部CT,當檢查的目標不同(疾病不同)時,其「陰性/陽性率」會有很大差異,因此單單一個「四成」的意義其實難以解讀。然若暫且忽略掉此異質性(heterogeneity),當作是檢查同一種疾病,根據統計學上的貝氏定理(Bayes' theorem),一項檢測工具能發揮最大效果的情形,一般而言是在「檢測前機率」接近0.5的時候,即「是否有這個疾病」之機會相當的時候,所以「四成」的「陰性率」就專業人士而言,並不令人感到意外。當然,CT對於許多疾病之檢測具有高敏感度(sensitivity)與特異度(specificity),且並不僅有「陰性/陽性」之二元(binary)結果,尤其當有所發現(finding)的時候往往可以提供相當豐富的資訊,協助臨床照護者之判斷與處置(如:手術所需之精準病灶定位),故而適用性會更廣。而許多報告結果,雖然乍看之下「與疾病無直接相關」,但卻是有助於診斷治療的進行的,所以顯然不會是「白做」。誠如署長所言,最常見的情況大概有兩種:一是其檢查目的本就是要「排除(rule-out)」某種問題時,例如急性中風需排除顱內出血時,失智症需排除水腦症、硬膜下血腫或腦瘤等時;二是疾病治療後的「追蹤(follow-up)」,例如手術移除腦瘤後要確認腦部狀況。此外在實務上,影像的文字報告其實未必包含了該影像的所有資訊與意義:主要照護的臨床團隊(primary team)常常需要自行判讀「影像」本身,並綜合病人的病史、臨床表徵(clinical presentation)、實驗室檢驗、其他檢查等資訊,才能解讀該影像檢查的意義,而這些就不一定會出現在影像科醫師繕打出來的報告中了(各醫院、各醫師的作業習慣與溝通默契有很大的風格差異,在此不予贅述)。健保署負有民眾教育宣導之責任筆者詳閱健保署的新聞稿與署長接受媒體採訪時之發言,確實對成果之解釋有所保留,並未對這「四成」輕下論斷。然而經過媒體渲染,遂變成「健保利用AI揪異常頭部電腦斷層,竟四成與疾病無關」、「健保AI審查揪浪費,十四萬筆頭部CT竟有四成恐白做」、「健保運用AI輔助分析四成CT頭部檢查恐浪費」之類的聳動標題,嚴重誤導大眾認知,也使得眾多醫療人員擔心招致病人與家屬的誤會。健保署作為重要的醫療行政機關,理應借助其媒體公關經驗,判斷可能的新聞效應。對於此類初步的研究成果,在發表時還是應該更為精確與審慎,主動澄清避免誤會。本文也期待在此有所助益。健保審查的重點在於「適應症」而非檢查結果回歸「健保審查」目的,若要探討一項檢查是否必要,應該分析其是否有合理的原因,這在醫學上稱之為適應症(indication),而實務上醫師所採用之適應症的準則(criteria)通常是出自專科學會的臨床指引與建議(clinical guidelines and recommendations),或者是保險之給付規定。而這些規則的制訂,都是立基於流行病學、臨床研究與專家共識,並考量醫療實務上之花費與可行性。從臨床流行病學的角度觀之,當醫師參考這些規則開立檢查,背後的意義就是在考量潛在病況的嚴重性與檢測前機率(pretest probability)下,判斷其風險已經高到一定程度,認為此時進行檢查,在醫療專業(健康風險、人道關懷)或成本效益(cost-effectiveness)考量上是合理的。況且,一般而言在醫師開立CT等較重大的檢查時,除非是緊急情況,都已經與病人或家屬討論做檢查的原因、替代方案、以及相應的風險,並達成共識,即醫學倫理上強調的「知情同意(informed consent)」。因此,健保署既已引入先進的資料分析技術(即上述NLP、機器學習等),理應結合CT報告以外的資訊(包括病史、神經學檢查、其他檢驗檢查等),訓練電腦去判斷在醫師開立CT檢查當下,病人病情是否符合健保規範之適應症。智慧醫療的想望由以上可知,臨床醫師開立檢查,其實有一定方法與規則可循,而這些是基於過往累積的研究與經驗。因此,以我國全民健保所擁有的豐富數據,大可利用此技術做進一步之分析,研究在何種情況下,檢查結果幾乎是篤定的,且該檢查不會影響後續臨床處置,故可以不用開立;並進而根據此研究成果,設計實務上可行的新臨床指引與建議。同時,也可以研究在什麼樣的情況下,醫師容易開立不必要的檢查,回饋予醫療機構,避免踩入誤區、浪費醫療資源。健保署目前之初步成果,在於訓練電腦判讀檢查結果,並將其中之病灶種類與位置,轉化為結構性的資訊。我們的拙見是,未來如果能搭配目前已臻完善之3D影像重組(reconstruction)技術加以標定,能方便醫師的臨床作業,並輔助醫學生學習如何判讀影像及文字報告。此種結構性的資訊,亦能標準化地自動生成中文翻譯,對醫療工作中護理師等各職類間,以及醫師與病人家屬的溝通理解都會有所幫助。文中所舉的各項技術皆已發展成熟,只要政府能善用此資料庫,並與醫療、公衛、資訊界跨領域合作,不僅能推動臨床研究、改善醫療作業,更將有助於醫學教育、臨床分工合作、與醫病互動。不難想像,很快的未來,醫師能夠指著一個3D圖像,向病人及家屬說明大腦的這個位置有這樣的病灶,圖像旁還標註有中文翻譯,一目瞭然;增進醫病關係與互信。這就是資訊化時代所帶來的智慧醫療的醫院情景側寫。
-
2019-10-01 名人.醫病平台
四成頭部CT恐白做嗎?健保署發展智慧審查工具之研討
編者按:這星期的三篇文章是探討人工智慧與醫療的問題。非常高興我們醫病平台發起人之一的劉玠暘醫師在畢業後赴美專攻公共衛生,與其弟劉玠晏醫師共同寫出這篇有關健保署發展智慧審查工具之看法,並指出媒體的聳動標題可能引起社會大眾的誤會。一位醫學院教授溫陵也應邀以「臨床流行病學」、「病人照顧」、「衛生政策」三個不同層次幫忙一般讀者解讀數據對醫學與政策的影響。而台灣受試者保護協會林綠紅理事長也適時地提出她對人工智慧、大數據可能影響病人隱私權的隱憂。報載「健保署運用AI科技,發展智慧審查工具」,並優先運用於分析頭部電腦斷層(CT)之檢查報告。健保署採用資訊科技輔助甚或取代繁瑣冗長的人工作業,應為各界所樂見。對我們這一輩學習資料科學與公共衛生的年輕醫師、研究者而言,更是令人欣喜的進展。然而從健保署所發佈之訊息,以及相關媒體報導,我們認為有一些值得商榷之處。健保署目前僅達初步分析成果查健保署新聞稿,此處所謂之自然語言處理(NLP)與機器學習(Machine Learning),其實就是訓練電腦判讀檢查結果(意即從「人讀報告」變成「電腦讀報告」);而其實「影像醫學報告」這種具一定結構的文本,要讓電腦讀懂病灶在哪裡、是什麼,坦白而言並不十分困難,但能夠達致99%正確率,仍為可喜。至於健保署文稿中唯一提到的由此技術計算出的數據,「四成左右的檢查結果是與疾病無直接相關」,只是基本的敘述統計(descriptive statistics),無法據此作出深入的推論(inference),這點需要先行釐清。「四成檢查結果與疾病無直接相關」不見得是個問題同樣是頭部CT,當檢查的目標不同(疾病不同)時,其「陰性/陽性率」會有很大差異,因此單單一個「四成」的意義其實難以解讀。然若暫且忽略掉此異質性(heterogeneity),當作是檢查同一種疾病,根據統計學上的貝氏定理(Bayes' theorem),一項檢測工具能發揮最大效果的情形,一般而言是在「檢測前機率」接近0.5的時候,即「是否有這個疾病」之機會相當的時候,所以「四成」的「陰性率」就專業人士而言,並不令人感到意外。當然,CT對於許多疾病之檢測具有高敏感度(sensitivity)與特異度(specificity),且並不僅有「陰性/陽性」之二元(binary)結果,尤其當有所發現(finding)的時候往往可以提供相當豐富的資訊,協助臨床照護者之判斷與處置(如:手術所需之精準病灶定位),故而適用性會更廣。而許多報告結果,雖然乍看之下「與疾病無直接相關」,但卻是有助於診斷治療的進行的,所以顯然不會是「白做」。誠如署長所言,最常見的情況大概有兩種:一是其檢查目的本就是要「排除(rule-out)」某種問題時,例如急性中風需排除顱內出血時,失智症需排除水腦症、硬膜下血腫或腦瘤等時;二是疾病治療後的「追蹤(follow-up)」,例如手術移除腦瘤後要確認腦部狀況。此外在實務上,影像的文字報告其實未必包含了該影像的所有資訊與意義:主要照護的臨床團隊(primary team)常常需要自行判讀「影像」本身,並綜合病人的病史、臨床表徵(clinical presentation)、實驗室檢驗、其他檢查等資訊,才能解讀該影像檢查的意義,而這些就不一定會出現在影像科醫師繕打出來的報告中了(各醫院、各醫師的作業習慣與溝通默契有很大的風格差異,在此不予贅述)。健保署負有民眾教育宣導之責任筆者詳閱健保署的新聞稿與署長接受媒體採訪時之發言,確實對成果之解釋有所保留,並未對這「四成」輕下論斷。然而經過媒體渲染,遂變成「健保利用AI揪異常頭部電腦斷層,竟四成與疾病無關」、「健保AI審查揪浪費,十四萬筆頭部CT竟有四成恐白做」、「健保運用AI輔助分析四成CT頭部檢查恐浪費」之類的聳動標題,嚴重誤導大眾認知,也使得眾多醫療人員擔心招致病人與家屬的誤會。健保署作為重要的醫療行政機關,理應借助其媒體公關經驗,判斷可能的新聞效應。對於此類初步的研究成果,在發表時還是應該更為精確與審慎,主動澄清避免誤會。本文也期待在此有所助益。健保審查的重點在於「適應症」而非檢查結果回歸「健保審查」目的,若要探討一項檢查是否必要,應該分析其是否有合理的原因,這在醫學上稱之為適應症(indication),而實務上醫師所採用之適應症的準則(criteria)通常是出自專科學會的臨床指引與建議(clinical guidelines and recommendations),或者是保險之給付規定。而這些規則的制訂,都是立基於流行病學、臨床研究與專家共識,並考量醫療實務上之花費與可行性。從臨床流行病學的角度觀之,當醫師參考這些規則開立檢查,背後的意義就是在考量潛在病況的嚴重性與檢測前機率(pretest probability)下,判斷其風險已經高到一定程度,認為此時進行檢查,在醫療專業(健康風險、人道關懷)或成本效益(cost-effectiveness)考量上是合理的。況且,一般而言在醫師開立CT等較重大的檢查時,除非是緊急情況,都已經與病人或家屬討論做檢查的原因、替代方案、以及相應的風險,並達成共識,即醫學倫理上強調的「知情同意(informed consent)」。因此,健保署既已引入先進的資料分析技術(即上述NLP、機器學習等),理應結合CT報告以外的資訊(包括病史、神經學檢查、其他檢驗檢查等),訓練電腦去判斷在醫師開立CT檢查當下,病人病情是否符合健保規範之適應症。智慧醫療的想望由以上可知,臨床醫師開立檢查,其實有一定方法與規則可循,而這些是基於過往累積的研究與經驗。因此,以我國全民健保所擁有的豐富數據,大可利用此技術做進一步之分析,研究在何種情況下,檢查結果幾乎是篤定的,且該檢查不會影響後續臨床處置,故可以不用開立;並進而根據此研究成果,設計實務上可行的新臨床指引與建議。同時,也可以研究在什麼樣的情況下,醫師容易開立不必要的檢查,回饋予醫療機構,避免踩入誤區、浪費醫療資源。健保署目前之初步成果,在於訓練電腦判讀檢查結果,並將其中之病灶種類與位置,轉化為結構性的資訊。我們的拙見是,未來如果能搭配目前已臻完善之3D影像重組(reconstruction)技術加以標定,能方便醫師的臨床作業,並輔助醫學生學習如何判讀影像及文字報告。此種結構性的資訊,亦能標準化地自動生成中文翻譯,對醫療工作中護理師等各職類間,以及醫師與病人家屬的溝通理解都會有所幫助。文中所舉的各項技術皆已發展成熟,只要政府能善用此資料庫,並與醫療、公衛、資訊界跨領域合作,不僅能推動臨床研究、改善醫療作業,更將有助於醫學教育、臨床分工合作、與醫病互動。不難想像,很快的未來,醫師能夠指著一個3D圖像,向病人及家屬說明大腦的這個位置有這樣的病灶,圖像旁還標註有中文翻譯,一目瞭然;增進醫病關係與互信。這就是資訊化時代所帶來的智慧醫療的醫院情景側寫。
-
2019-09-28 醫聲.數位健康
智慧醫院/【高醫65論壇】杜奕瑾:AI有望解決醫師過勞
AI人工智慧,帶給醫療領域的思維與挑戰無窮盡。由高雄醫學大學、高雄醫學大學附設中和紀念醫院、天成醫療體系與聯合報報健康事業部,今共同舉辦第三屆「高醫台北論壇」。今年主題為大健康新經濟趨勢,邀請近20位知名講者,以TED式短講,分享最新的長照安居、AI醫療及健康新經濟進展。醫師與學者表示,利用AI可促進醫病關係外,更有望解決醫師過勞問題。論壇下午場次主題,為AI視角下的新醫療,邀請台灣人工智慧實驗室AI Lab.tw創辦人杜奕瑾、台北榮民總醫院副院長陳適安等醫、學、業界專家與談。陳適安以「AI帶來的醫療管理挑戰」為題,表示民眾就醫最在意的就是「健康」兩字,在資訊不斷發展至今,其健康計畫與管理決策決定者已改變,從以前政府、醫院,轉變至現在的民眾、甚至結合保險公司等討論而決定。陳適安說,北榮智慧醫療有六大方向,包含產學合作、精準醫學、AI醫療與大數據應用等,來效率化既有流程模式外,並創新以前有想法但沒做的遠距醫療等模式。而北榮去年起與杜創辦人的人工智慧實驗室(AI Labs)合作,建立臨床AI腫瘤判讀系統,今年也啟動AI門診,縮短人工判讀時間,有助醫病深度溝通。陳適安更以北榮近年所研發的人性化門診APP為例,內含預約掛號、行動繳費、看診進度外,更有處方、轉診等服務並主動推播;目前已逾20萬人次下載外,每月約2萬人次使用來掛號,7月1日起登錄使用者逐步新增滿號、篩檢提醒等功能。而以大數據分析,線上系統的分流效果顯著,以今(108)年3月與去年3月數據對比,不同時段門診等候人數下降37%,尖峰也減少了56%;另外,北榮推病房一站式服務,已逾50%以上的病患可在病房直接出院,而不需再到櫃台繳費。杜奕瑾則以「AI醫療領域的共享思維」為題,他表示以往醫師看診是靠經驗,但透過電腦的深度學習,人類利用數據資料教電腦,讓電腦協助醫師看診,有望解決醫師過勞問題。他在1995年架設BBS站PTT,擔任創站首任站長,後來進入微軟公司,直到2017年卸下微軟公司人工智慧團隊亞太區首席研發總監職務,回台創辦「台灣人工智慧實驗室」。將人工智慧的技術應用於醫療場域,如陳副院長所說與北榮合作建立臨床AI腫瘤判讀系統,縮短醫師人工判讀的時間,做更深度的醫病溝通。杜奕瑾說,AI除了幫忙醫師看診,也可以幫醫師看論文,以現在最火紅的基因定序為例,只要知道病患的基因定序,請醫師教AI讀論文、去建立基因變異跟疾病之間的關聯性,就可立刻協助醫師看診,決定治療方向。不過杜奕瑾也提到,AI固然帶來醫療產業的轉變,但也面臨挑戰,台灣不能再將自身定位為代工廠,一個軟體產業要成功,建立生態系是關鍵,不要怕競爭,有競爭才會變成最強的的生態系。台灣雖有很多金山銀山,一個產業要成功,還要先把路開通,需政府法規、人民思維及資金注入,才能活絡整個醫療產業,而且需要以人為本,回到病人的需求,才能創造最符合民眾的醫療服務。
-
2019-09-27 橘世代.時尚橘
Live well/APP煮飯、AI機器人 有溫度的智慧居家
「機器人可以幫忙測量血壓、用手機就能掌握電子鍋裡面的飯鍋狀況」在科技產品推陳出新的年代,智慧科技陪著各種年齡層的家庭成員生活,也補足歲月為高齡生活帶來的不便利。根據國發會《中華民國人口推估》報告,未來台灣2065年每10人中,約有4名是65歲以上長者,這4名中有1名是85歲以上長者;面臨超高齡社會,如果想要過好人生下半場,得要培養出與朋友互動、多學習新知、運動健身等興趣,此外,擁抱智慧科技,也是不可或缺的生活技能。電子鍋連WiFi如何運用智慧科技產品,讓居家生活更便利、更溫暖?例如,將電子鍋連上Wi-Fi,透過APP就能隨時隨地煮飯、在APP上選擇食譜後,電子鍋的火力大小變化可以自動運作,還能分階段推送手機消息提醒,什麼時候放調料,什麼時候加水,搭配自動智慧口感控制技術,根據不同的偏好調節米粒的軟硬程度。許多科技大廠也投入研發居家機器人,希望機器人在超高齡社會中,能扮演陪伴與關心的角色。華碩健康總經理吳漢章指出,華碩健康從2016年成立迄今,以多年運營智慧醫療領域經驗,透過OmniCare醫療物聯網平台,以AI虛擬照護助理與數據整合技術,提供更智慧化、個人化的照護服務,滿足智慧科技多樣貌的軟硬體需求、並與醫療服務高度整合。機器人陪量血壓吳漢章表示,華碩健康AiNurse虛擬照護機器人結合人工智慧技術,引導居家長輩量測血壓,提供基本判讀回饋與衛教資料,降低護理人員負擔;並透過外型可愛的華碩Zenbo智慧機器人發展多元陪伴與相關應用。吳漢章說,智慧醫材裝置,能監測使用者的血氧、血壓等生理數據即時狀態,這些數據資料也可作為精準醫療研究發展用途,作為預防與遠端的居家照顧。透過貼心、更有人味的設計,讓被外界總是覺得冰冷僵硬的科技產品,變成逐步滿足居住者需求的溫暖住所。
-
2019-09-16 醫聲.數位健康
智慧醫院/AI難取代醫師 預判輔助前景看好
發展人工智慧「華生」醫師的IBM醫療部門傳出裁員,與美國MD Anderson 癌症中心合作也宣告失敗,AI進軍醫療出了什麼問題?台北榮總副院長陳適安指出,「華生」失敗,證明AI無法取代醫師,但AI做為輔助工具協助醫師判讀、預測風險並提升醫療效益 ,仍前景看好。BBC英國廣播公司日前報導北榮智慧醫療發展,並訪問院長張德明及智慧醫療團隊,了解台灣醫院在AI運用與配合健保的運作模式。陳適安指出,健保署已運用AI大數據分析健保醫療費用、各項手術成長速度及健保如何影響醫療行為,未來可用AI追蹤及預測醫療走向。北榮已廣泛運用AI在腦癌、青光眼及視網膜病變、脊椎病變影像判讀,輔助醫師提高診斷準確率;在心臟內科方面,針對先天性心律不整的患者,AI可提高醫師對心電圖疑似異常者判讀效益,診斷準確率可從五至七成,提升至八成以上。AI在各醫院已廣泛應用,在體感螢幕前擺動姿勢,可測失智風險,智慧洗腎機會自動記錄數據,救護車到院前可遠距傳送病人生理數據,乳癌衛教則由機器人幫忙等,這些也已在高雄醫學大學醫療體系內真實上演,未來還可能利用智能鏡頭偵測情緒,及早發現照顧者的憂鬱症狀並提供協助。高雄市立小港醫院院長郭昭宏表示,AI可提高醫療效率、準確度和分析深度,更可突破空間障礙,提供遠距醫療,日本醫師甚至曾以機械手臂「跨洋」替非洲患者開刀。高醫近年設置「智能醫療推動小組」,注重設備擴充、智能照護、醫療輔助和大數據蒐集。郭昭宏舉例,偵測心跳、血壓、血糖等生命跡象載具已發展成熟,能居家使用,將資料傳送雲端;高醫發現,八成民眾僅有問診拿藥需求,團隊改用遠距問診可滿足民眾需求,又能即時發現患者狀況,轉介至附近醫院,這也是智能照護未來目標「More home, less hospital.(居家多、醫院少)」。遠距問診也可協助偏遠地區無醫村,郭昭宏說,目前已用於澎湖、蘭嶼和桃園復興鄉,未來擬建立照護整合管理系統,匯入長照、居家安寧及慢性病人的數據資料,透過系統監視,進一步降低人力浪費。郭昭宏提出「MEN模式」,指的是AI導入醫療(Medical)外,也應囊括運動(Exercise)和營養(Nutrition),創造健康最大值。未來也要重視「心靈」,目前正研發AI情緒辨識,提供憂鬱預警,盼降低照顧悲劇。值得注意的是,高醫團隊在發展醫療輔助時也發現,AI能快速判讀並分析病灶影像,準確度高,最後結果仍需醫師認定。郭昭宏說,AI未來應用應轉向「預測」,及早發現病人問題,這需要大數據支持。郭昭宏說,AI的缺點是只會分析、不會創造,人則有豐富創意和想像,醫療的溫度與信任也不會被AI取代。但處在資訊爆炸的時代,「你雖然不會被AI取代,但會被懂AI的人取代。」●「大健康、新經濟──趨勢論壇」於9月28日登場,將邀請台灣人工智慧實驗室 AI Lab.tw 創辦人杜奕瑾與長庚決策委員會主任委員暨林口長庚院長程文俊、北榮副院長陳適安、高雄市立小港醫院院長郭昭宏、藍濤亞洲有限公司總裁黃齊元,跨界對談AI,歡迎報名。大健康、新經濟──趨勢論壇高雄醫學大學第三屆台北論壇主辦:高雄醫學大學、高雄醫學大學附設中和紀念醫院、天成醫院、金色年代樂齡長照機構時間:9月28日(六)10時到下午4時20分(9時20分開始報到)地點:張榮發基金會11樓國際會議廳(北市中山南路11號)報名:大健康新經濟──趨勢論壇本次論壇已申請醫管學分
-
2019-08-08 醫聲.數位健康
健保給付/健保APEC研討會今登場 13國家不畏颱風赴台取經
「APEC醫療資訊分享國際研討會」今年首次在台舉行,為期兩天的議程以「雲端醫療資訊系統」為主題,面對利奇馬颱風來勢洶洶,受邀來台的13國經濟體代表都如期抵達,無人以颱風為由取消行程。澳洲智慧醫療領域專家Dr. David Hansen更驚呼,沒想來台灣不僅遇上強颱,還體驗到地震,笑著說「不知道能不能回澳洲。」「APEC醫療資訊分享國際研討會」今天登場,衛福部次長何啟功開幕致詞時表示,本次在台舉辦「APEC醫療資訊分享國際研討會」的緣起,是APEC去年於巴布亞紐幾內亞召開衛生工作小組會議中,由健保署署長李伯璋前往發表台灣全民健保制度及最新的雲端醫療資訊技術,獲得APEC其他20國經濟體熱烈迴響,並爭取到APEC 提供10萬美金的經費補助。第一場會議由健保署長李伯璋打頭陣報告,分享健保署2013年導入「雲端藥歷」紀錄各病人用藥狀況;該系統更於2016年擴增功能,更名為「健保醫療資訊雲端查詢系統」,自2014年至2019年6月止,因導入該系統而減少相關藥品重複用藥所節省經費約3.7億元、相關臨床檢驗結果雲端跨院共享所節省經費達12億。除利用健保大數據解決費用朗費,也希望病患做好自我照顧,開發健康存摺,除提供民眾查詢個人三年內就醫紀錄。李伯璋也提及,未來醫學將走向由人工智慧輔助醫療人員的紀元,未來下一步將考慮將健保大數據去識別化,提供學術合作機會,可望助台灣精準醫療發展。健保系統保存大量個人基本資料,將資訊技術導入健保管理應用,如何維持資安是關鍵,但李伯璋強調,大數據的運用不可以「資安」為由就故步自封,目前健保資安管理森嚴,調閱資料需同時讀取醫師、醫院專屬卡片,再加上民眾健保IC卡,甚至前陣子有名醫師分享,到其他醫院兼任,不料忘記提出申請,竟也被資安系統攔在健保資料庫大門外。這次會議共有來自美國、加拿大、澳洲、秘魯、俄羅斯、日本、韓國、菲律賓、新加坡、馬來西亞、印尼、泰國、越南等13個經濟體的官方代表或講員來台,其中包括美國遠距醫療協會主席Ann Mond Johnson、加拿大國家醫療健康資訊機構總裁Michael Green、韓國醫療費用審查評價院理事Jong-Su Ryu、澳洲智慧醫療領域專家Dr. David Hansen等重量級講師。
-
2019-05-10 科別.眼部
眼科照護機器人 找出高風險病患
糖尿病患可能面黃斑部病變等問題,長庚醫院推出AI衛教機器人「Dolly(多莉)」,可和病人交談,內建衛教資料庫可回答患者疑惑,有助提升醫師、患者對於病程掌控,促進醫病關係外,還能透過風險找出高風險病患。上線3個月來,已助百位患者風險把關。55歲的謝小姐因糖尿病引發黃斑部病變,她從未想過血糖問題影響眼睛,待後來時已看不清楚。接觸AI機器人多莉3個月,發現只要詢問就能獲得黃斑部病變資訊,包含疾病成因、說明、治療方式等,讓她很驚訝。多莉幫助她在與醫師碰面前,初步掌控自己病況,看診時跟醫師更有效討論治療方案。長庚醫院眼科視網膜科主任黃奕修表示,醫院近年致力研發糖尿病黃斑部病變的自動化照護,希望使患者離開診間也能獲得更完整、連續的醫療照護。Dolly內建資料庫收集近10以病人治療問卷,回饋彙整而成,更夠貼近糖尿病黃斑部病變患者的生活。衛福部醫事司長石崇良昨天一同見證智慧醫療。石崇良表示,長庚衛教機器人Dolly打破時間、空間的限制,讓照護不只在診間,未來透過遠距照護計畫發展,讓民眾獲得不只是疾病的治療,醫療服務也會更有品質,期待讓民眾都獲得健康。