後疫時代新省思:醫療數據庫結合IoMT，主動預測健康風險
前言：新冠肺炎襲捲全球，政府及醫療體系急需數位化轉型，蒐集多元數據的醫療數據庫，結合IoMT(Internet of Medical Things)技術發展個人化照護，才能真正達到主動預測民眾健康風險，提前預防治未病。
作者:SAS TAIWAN
原文刊登自:天下雜誌
新冠肺炎防疫期間，政府透過健保資料結合個人出入境旅遊史，高度掌握COVID-19疫情，讓台灣累積第一階段科技防疫成功的經驗。
疫情的不確定性，不僅彰顯群體健康的重要性，使政府及醫療產業迫切整合多元數據，也引發產業關注促進物聯網分析及個人化照護預測風險，驅使醫療產業加速邁向數位化。
IoMT結合物聯網及個人化照護，主動預測治未病
根據IDC的2020全球健康產業十大預測報告，前三名重要趨勢分別為真實世界證據（Real-World Evidence）、指示性物聯網（Prescriptive IoT）、個人化照護（Personalized Care）。
協助全世界超過3,000家醫療機構打造分析應用的SAS，其指出醫療體系發展進階分析，能為民眾健康帶來以下四大好處：
1、了解個人健康的風險：事先預測最差的結果，制定預防疾病的相關政策和策略。
2、了解個人的偏好：決定與民眾溝通以及介入治療的方式，並預測民眾遵守醫囑的可能性。
3、提供最好的照護：整合醫療數據及真實世界證據，在每次與病患接觸時，提供最佳的照護選項供醫生評估。
4、加速產出智慧預測結果：利用AI讓流程更加自動化，縮短時間及成本，讓醫生能把專注力放在病患身上。
SAS台灣業務顧問部副總經理陳新銓表示，「未來的醫學要化被動為主動，不只是用來治病，更要『治未病』，因此數位化扮演極關鍵的角色。」目前醫療機構許多數據已做到「數值化(Digitization)」，如電子病歷、電子化病床管理系統，然而要做到「數位化(Digitalization)」還需結合「分析」價值，否則電子紀錄只是變相成為「高貴」的紙本而已。面對IoMT時代即將來臨，推動院內物聯網系統及蒐集內外部照護數據，將成為360度個人化健康照護願景的基石。
整合多元數據，打造醫療數據庫
所謂的360度個人化健康照護，根本要能整合多元數據，打造醫療的數據庫。多元數據如臨床醫療數據及真實世界數據，包括IoT裝置身體量測數據、生活足跡、社群媒體資料、購物記錄等等，並結合AI機器學習分析多元數據，才可能從多面向完整了解一個人的身心健康狀況，主動預測個人未來可能發生的疾病，進而做到精準診斷、精準療法及精準監控等目標，從各個面向真實了解每個人的狀態，提前做好個人健康照護。
陳新銓舉例，目前台灣北區某公立醫院即與SAS合作以物聯網技術偵測洗腎機數據，並搭配病人過往的診療史，預測未來可能的併發症。透過機器的數據，協助醫療達到IoMT的預診願景。
多元數據分析也能用來預防青少年自殺，例如蒐集人口統計、所在區域、Twitter社交媒體貼文等資料，以自然語言處理技術，判斷青少年發言的內容偏向正面或負面，得出青少年的情緒分數，有助於提前預警知道哪些青少年是否為自殺高危險群。
陳新銓也補充美國內華達州一個更進階的案例:一位高中數學老師希瑟・艾倫，常感身體疲倦，還因為不明原因導致反覆感染，找不到病因的情況下，健康狀況持續惡化。而後「內華達州人口健康計畫（Healthy Nevada Project ）」，研究人員以基因檢測與進階方法分析艾倫的DNA，發現她是肺、肝臟相關遺傳疾病Alpha-1的高危險群，幫助她對症下藥，啟動治療計畫。
「當大家都聚焦在基因與遺傳時，我們打造了龐大的資料倉儲，包含基因、診所、環境與社交數據，」協助打造內華達州人口健康計畫的Renown Health執行長安東尼・斯洛尼姆表示，「醫院醫療照護只佔個人總體健康狀況的20％，剩下的則是由其他因素構成。」
內華達州人口健康計畫所打造的數據庫，包括基因遺傳數據、環境保護局數據、去識別化的臨床醫療數據及社會數據。利用機器學習與AI，把人們的基因資訊與各類環境如空氣與水品質等因子連結起來，因此可預察端倪，例如分析師可藉此預診出哪些人們有呼吸問題，在空氣品質變差之前，事前通知特定族群應待在室內等。
醫療產業數位化關鍵：數據基礎建設
如前述案例所見，建構數位化醫療體系的關鍵在數據基礎建設。陳新銓建議，第一步從醫院內部的資料治理開始，資料蒐集完之後，得要清理數據，做好數值化，並且歸戶、治理，才能加快數據分析的腳步。
第二步逐步整合外部環境數據，例如使用爬蟲技術蒐集病患個人的公開社群媒體貼文，納入第三方合作單位經個資授權的個人數據紀錄，例如藥局的藥物購買紀錄、穿戴裝置紀錄、個人的醫療險種類、政府社福諮詢紀錄，甚至是勞工紀錄，才能讓數據分析擁有更多分析面向及內涵。
至於，如何評估醫療機構目前是否具備完善的資料基礎建設？
陳新銓指出，可參考全球醫療機構資訊化建設和應用水準HIMSS評價八個等級，從最簡單的做起。以SAS系統與美國國防部資料庫的整合為例，其因把醫院診療記錄、政府跨部門的個人資料、人口資料等多元數據，清理成乾淨的數據，歸戶後重新回存至數據庫，完成資料治理而取得HIMSS第二級。美國已高度重視資料治理的重要性，台灣也需要加快腳步。
陳新銓最後提點，疫情的警鐘，其實同步為政府與醫療體系敲開數位化轉型的大門。相關部門此時正是時候加緊對內溝通，正視發展物聯網與分析的技術，而另一方面公部門也可思考如何協助產業累積真實世界證據，或建立機制協助民眾在掌握個資的前提下，授權多元數據。如此國內不僅可有效串連醫療資源，更能預警個人與群體的健康風險，領先國際建構IoMT網絡。
