2017年8月15日 星期二

科技創新(八十三):物聯網產業-台灣在智慧醫療進展上的阻礙

七月份我參加了智慧醫療論壇,這次的論壇參與的有IBM談認知運算在醫療影像的分析解決方案,穿戴式裝置與醫療保健關係等等主題,加上五月二十六日台北醫學大學辦的HIOT健康物聯網學醫研聯盟成立,還有我去年底參加的智慧城市之智慧健康研討會,以及上個月提過的高醫對長期照顧的積極,都可以看出台灣醫療界對台灣醫療物聯網在最近的積極程度,這對台灣在醫療方面的物聯網的成長進步是件好事。

圖:智慧醫療 Image source: Brother via Flickr 
台灣的醫生因為是全台最優秀的人們去從事的職業,當然頭腦素質很好,也往往對最新的資訊與醫療科技不遺餘力的去了解。不過,台灣因為健保的計費方式,次數越多才越賺錢,造成醫療人員過於忙碌,負擔過大,卻也是事實。如果能夠透過穿戴式裝置做好預防醫療與認知科技強化醫療效果(如病症判斷正確率),則可以減少醫療人員的負擔,醫療人員則更有時間來強化醫療相關的技術,這是很棒的正向循環。
在這幾次的正式參與研討會與私下的跟醫界人員來往溝通的時候,我發現了台灣本土的穿戴式裝置開始與醫界合作,一起開發,希望做出幫助人更健康的產品;但是也發現,較普及的智慧手錶手環收集到的生理資料品質不夠好,而即使是可以量測到較好品質的貼身衣物,男性也可能因為小腹肥大而量測品質打了折扣,而且這樣的智慧內衣,現在要價不菲,普及率不高,另外,加上沒有對資料好好規劃,且蒐集到資料數量不多,無法形成好的學習模型,反而不具太多參考價值。

台灣因為醫療技術不錯,醫療診斷的資料也有不錯的品質,現在各家醫院也很努力的去利用這些資料強化醫療。但畢竟台灣人數不多,健康醫療資料要成為足夠好的大數據模型,只靠各家醫院系統各自為政,有一定的困難度。而台灣最久且量夠大的健保數據,卻因為涉及隱私權而開放使用遙遙無期。據醫界人士告訴我,健保數據可能只有較大規模的醫院提供的資料品質符合需求;不過它的歷史夠久,推估慢性病的資料,相對很有價值,這是台灣現在跟世界各國競爭的最佳優勢,特別是在亞洲地區。

      上述提到的都是台灣醫療物聯網的困境,不過至少各家醫院系統已經積極開始了,然而接下來要透過機器學習來形成夠好的大數據模型與人工智慧學習模型,看來還有一段不短的路要克服。


[結論]
1.台灣有很好的醫療底子,但是醫療數據取得不易。
2.大部分的穿戴式裝置沒法提供好的醫療數據。
3.健保數據隱私權與假資料是兩大關切點。

沒有留言:

張貼留言