自動化照護 人工智慧 智慧醫療 巨量資料 AI 預測

互通性釋放資料價值 自動化照護展望光明未來

2017-07-26
想要善用巨量資料的力量,醫療機構的心態必須從後見之明轉為前瞻遠見。有能力蒐集、管理以及存取極其龐大的病患資料,才有助於維護大眾的健康,而不僅是在疾病出現時滿足醫療需求。

多項報告指出,全球醫療IT產業的規模在2020年之前將成長到2,000億美元,然而許多專家表示,在面臨相關法規及數位醫療資料技術的浪潮下,醫療機構將經歷許多挑戰。運用科技來改善醫療的品質、安全性以及效率,一向都是一場艱苦的奮戰。專家指出這方面除了需要更好的溝通協作與互通性,在運用病患資料的態度方面也須從被動轉為主動。

這波轉型將引領業界邁向「自動化照護」。藉由電腦分析龐大的醫療與生活資料,同時運用人工智慧提供資料驅動的選項,協助醫生治療病人。根據研究機構MGI and McKinsey的調查,倘若美國醫療業著手運用巨量資料來提升效率與品質,估計每年將創造出超過3,000億美元的價值。

專門銷售醫療機構資訊系統的Meditech產品解決方案經理Kenneth Laliberte指出,就大多數機構而言,醫藥界至今尚處於小資料(Little Data)時代。「我們至今還未真正發揮巨量資料的威力。」他表示,想要善用巨量資料的力量,醫療機構的心態必須從後見之明轉為前瞻遠見。有能力蒐集、管理以及存取極其龐大的病患資料,才有助於維護大眾的健康,而不僅是在疾病出現時滿足醫療需求。

能相互支援的資料系統

病患資料通常很分散,擷取登錄時的格式也沒有統一,醫療機構在需要查詢時往往也無法存取。英特爾健康與生命科學事業群資深解決方案架構工程師Andy Bartley表示,想要妥善管理與運用病患資料,各個系統之間必須互通並存,而互通性確實是極為艱鉅的挑戰。「要解決這方面問題著實不易,即使我們已經設立許多國家級與國際標準組織,眼前仍有許多工作有待執行,才能實際嘗試與解決這些難題。」

Laliberte指出,大約80%的健康資料是非結構化,亦即雖然有擷取,但這些資料並沒有以預先定義的方式加以整理。因此重要的資訊並沒有分門別類,導致日後很難搜尋到想要找的訊息。唯有對資料進行更徹底的分類,能幫助醫療機構與臨床醫生辨識出高治療成本病患以及慢性疾病的熱點(Hotspot)。

負責管理駐院與獨立開業醫師醫療業務的Heritage Medical Systems總裁Mark Wagar表示:「就算沒有設置全面性的健康資料系統,醫療機構還是必須運用手中所有病患資訊。我們的資訊並不完美,這早已不是新聞。大家關心的是『巨量資料』並不完美,所以就一直等候與調整,但病患沒辦法等。你得在有需要時立即檢索到資訊並加以彙整。」他指出,如果資料沒有妥善分類且在互通並存的系統上流通,各機構就必須從多個資訊平台蒐集資料,包括紙本以及手寫的資料──這些作法不只沒有效率,而且會損及醫療結果。

新的付費模式

根據World Data Bank統計,美國在醫療上的支出超越世界所有其他國家。在過去十年,美國在醫療上的花費增加將近25%,現在更超過GDP 17%。約翰霍普金斯大學家庭健康計畫與策略軍事聯盟副主席(Vice President of Strategic Military Alliances and of the John Hopkins US Family Health Plan)並擁有Dubai Health Authority護士資格的Mary Cooke表示:「我們在醫療照護上有足夠的支出,現在需要做的是改變系統的用途。」

「更重要的是人力成本並沒有用在針對性與有成效的照護上。問題在於該如何建構出理想的架構,以提供一個能滿足我們各種需求的分析平台。」她說。

Bartley認為,這對醫療機構來說是一段艱難時期。他表示:「小型獨立診所越來越難經營。法規推陳出新導致就診付費的方法也不斷改變。即使是大型醫療系統也要研究如何垂直整合,以及增加監管患者的數量,藉此控管風險。」

其中一種新作法,是捨棄以往按服務付費(Fee-for-service)的模式,改成按成效付費(Pay-for-performance)模式或價值型(Value-based)照護系統,為醫療體系提供激勵誘因,促使他們運用本身能力來改進病患照護的結果。Bartley指出,這樣的作法強調管理整體病患以及健康,而不是寫滿醫學縮寫的帳單和申請保險給付。「這種作法開始統合醫療體系中的各方參與者。從醫療機構、藥廠、醫療設備製造商以及付費者,都必須提升其商業模式,讓整個醫療體系的金融流程更加流暢。在這波轉型中,病患也扮演關鍵角色。」


▲ 在面臨相關法規及數位醫療資料技術的浪潮下,醫療機構將經歷許多挑戰。除了需要更好的溝通協作與互通性,在運用病患資料的態度方面也須從被動轉為主動。

價值型照護鼓勵增進健康,意謂促使各方更加投入有益健康的行為,以及控管慢性疾病的症狀。Bartley表示:「這不僅像是知道如何給付醫療機構這麼簡單,我們面對的還有許多不斷變動的環節,而且金流也會經過許多不同單位。」

預測性與自動化照護

運用巨量資料技術能增加獲得照護資源的途徑。其中一個例子就是照護自動化。「想像一下這樣的情景,根據自己的病史和症狀獲得自助式照護(Self-service healthcare),而且不必進醫院看醫生,只須在家中或透過手機就能完成整個流程。」他指出,這將是實證醫學(Evidence-based medicine)、巨量資料以及人工智慧的交會點。科技能針對許多常見症狀提供自動化醫療,未來還將能醫治更複雜的病症。

當今醫療科技界其中一項熱門議題就是預測分析,亦即能取得資料,再套用機器學習,藉此建構出一個系統用來分析出預測性建議。這項技術能協助預測特定日子會有多少病患會上門就診,或是找出哪些人罹患特定疾病的風險最高。Bartley表示:「重點在於運用歷史資料協助預測未來。這將是醫療分析的下一波重大潮流。」

設置資料基礎架構以及打造分析功能都只是挑戰的一部分。大規模的心態與文化轉變,才能促使醫療機構採納資料驅動的決策流程。要建置預測性分析機制,需要許多方面的資源,而技術只是其中的一小部分。在提供照護方面還需要採用新的流程與方法。Bartley指出:「將資料導入實用層面將協助醫療提供者帶給病患更好的途徑,讓他們獲得優質醫療以及控制成本。而妥善掌控資料,將能指引出一條光明大道。」

<本文由英特爾iQ網站 https://iq.intel.com/ 授權提供>


追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!