醫生立即為您看診

Kenton Williston

醫療保健的數字化轉型, 數字醫療服務, 數字化醫療保健

遠距醫療或許感覺像是隨 COVID 全球大流行應運而生，但這單純是時代的印記而已嗎？一窺醫療保健的未來？那麼醫療保健機構該如何善用科技過去 18 個月的蛻變，為患者和照護者創造更優異的體驗？

我們偕同頂尖醫療科技公司 Siemens Healthineers 的 Peter Shen，討論醫療保健科技的各項重要進展，包括 AI 和邊緣運算萌芽中的角色、醫療保健數位化的未來，以及「數位分身」的概念能夠如何顛覆患者治療。

若要瞭解完整對話，請收聽播客與 Siemens Healthineers 一起（加速）數位化醫療保健。

在您看來，過去 18 個月全球大流行期間，醫療保健科技有哪些關鍵進展？

我認為全球大流行正好突顯出數位化的角色。數位化有助於減輕醫療保健工作人力的重擔。

初步看來，我們必須保持靈活彈性，尤其從醫療保健提供者的立場看來更是如此，也就是我們要有能力臨時處理瞬息萬變的需求，以及協助根據患者族群的不同需求擴充。

從數位觀點來看，我認為全球大流行確實教會我們重新定義提供醫療保健的方式，讓我們不得不標準化，並且設法有效管理作業。另外，設法減少整體工作負載。

想當然爾，許多遠端型的解決方案浮上了檯面。

另外，這類遠端和遠距醫療服務不僅嘉惠了患者，更是照護者的福音，這一點大家往往忽略了。比方說，照護者利用科技就能遠距監測及操作掃描裝置。舉例而言，如果他們必須為患者進行 X 光或 CT 或 MRI 掃描，雖然身處不同的地理位置，或是人在醫院的不同區域，其實大可遠距執行。

此舉不僅關乎效率與連線能力，能夠靈活彈性，讓患者和照護者都能適應瞬息萬變的環境才是關鍵所在。

成本勢必也是這件事的重要因素。

我認為提高效率是符合成本效益的作法。

若要提高我們進行檢驗的效率，該如何善用人工智慧這類概念？另外，提高我們診斷這類型檢驗的準確度或精確度。

我認為醫療保健機構一直希望能夠數位化，但這場全球大流行確實加速了這件事的進程。

您認為 AI 和邊緣運算日後將扮演什麼樣的角色？

內容包含大量協助治療患者關鍵臨床與作業資訊的醫療保健資料，持續呈爆炸性增長。如今的目標變成如何及時處理這一切資料，好讓我們將這些重要的臨床結果回傳給醫師。

我們必須專注於開發儘快處理這些關鍵臨床結果的科技與解決方案。這個需求突顯出了人工智慧這類科技的重要性。

Siemens Healthineers 打造的全新 AI 平台就是絕佳的範例：AI-Rad Companion。它運用人工智慧處理大量成像資料，自動為醫師識別臨床結果、歸納特性並且量化，這樣一來醫師就能立即查看，然後產生診斷。

您認為產業在這方面該如何持續進化？

無論是診斷或設法治療患者，我們都希望先掌握充分的資訊，再就如何處理患者做出決定。因此，除了資訊數量之外，還要確保我們獲得高品質的資訊。比方有人正躺在手術台，高品質就意味著資訊的準確性、完整性與時效性。若要獲得這種高品質，這對於掌握充分資訊後再做決定來說至關重要。

患者主動參與醫療保健則是另一個例子，無論是大家都很熟悉的穿戴式裝置，或是主動參與監測生命徵象等都是。將那一類資訊交給臨床醫生也變得非常重要。

我們必須具備的數位健康平台，要能夠收集我們所提及的大量不同獨立資料，並且及時使用這些資訊，照護提供者才能有效看到這所有資訊，並且以極為簡單的方式消化這些資訊。

EHR（電子病例）系統五花八門。Siemens 如何打造更標準化的生態系統？

這種數位健康平台必須具備幾個特性才能成功。

平台必須可供存取，才能擴大臨床醫生或其他終端使用者可用的數位臨床與操作工具組合。平台必須靈活彈性才能善用技術，而且無須依賴技術限制或基礎架構就能輕鬆部署。平台必須可擴充，才能加速組織成長。最後，平台還必須提供互通性，才能帶動不同系統連線，以及簡化整個資訊分享的概念。

我們建立的數位健康平台稱之為臨時數位健康平台，結合了資料與不斷演變的應用程式，提供統一的平台，締造了存取能力、彈性、可擴充性和互通性。它運用現有的最新運算技術，不僅為雲端型解決方案，同時為內部部署型解決方案（或是基於安全在機構內）提供彈性。

我們希望數位健康平台能讓終端使用者（臨床醫生）無須操心技術限制與技術挑戰，就能獲得關鍵的臨床結果。

為了確保他們獲得需要的效能，您打算怎麼做？

我們正在打造內部部署型解決方案，確保能夠以及時的方式提供那些結果。

它運用雲端運算，可隨時確保客戶與臨床醫生擁有最新最頂尖的 AI 演算法，能夠處理現有的研究。我們利用邊緣運算混合那些情境，因此得以及時提供結果。它還善用我們技術合作夥伴的力量。

舉例來說，我們與 Intel^® 的夥伴關係良好，這件事對於數位健康平台運作順利與否至關重要。Intel 提供的處理效能至關重要，不僅協助我們設計 AI 演算法，更提供 AI-Rad Companion 這類解決方案所吸收的關鍵結果。

我們與 Intel 合作最棒的一點，就是他們的 OpenVINO^™ 工具組讓我們能為平台配置與最佳化不同的 AI 演算法。另外，坦白說，它讓 Siemens Healthineers 能專注於開發處理臨床結果的演算法與臨床解決方案，無須擔心技術或基礎架構限制。

AI-Rad Companion 的特徵之一，就是在該解決方案處理的特定圖像，同時執行多個 AI 演算法。就實務意義而言，這件事至關重要，因為在真實世界中，臨床醫生其實可能不知道影響患者的是何種疾病或病痛。如果我想同時執行多個演算法，就必須具備多項運算能力與多項功能。OpenVINO 正好能在這方面減輕我們團隊的負擔。

除了個別診斷，AI 有機會以整體的方式進一步瞭解患者，或者甚至瞭解該從哪些問題開始發問。

Siemens Healthineers 認為，人工智慧這類科技在這方面的潛力最大。

我們致力於成為臨床決策支援的領導者，除了支援診斷，更要兼顧患者從頭到尾的整個照護過程。這也意味著帶動個人化醫療這樣的概念。除了設法查明正確的診斷，或許還要嘗試瞭解什麼是對個別患者的最佳治療計畫。

我們目前正在開發另一款名為 AI-Pathway Companion 的解決方案。這個解決方案希望利用所有來源的患者資料，不僅是成像資料，還包括患者的實驗室結果、病理報告，或者甚至是他們的基因體資料與病例。接著利用 AI 消化這所有資訊，找出這所有不同獨立資料之間的關聯，然後分析該資料，為個別患者打造最佳化且個人化的治療計畫。