智慧醫療-大數據時代的挑戰

Alicia Lee
6 min readNov 25, 2017

期中報告要分享一個和大數據相關的議題,我偏偏選了一個和過去背景無關的醫療主題,在大數據時代當紅的主題不外乎是物聯網 車聯網或AI,新聞和報章報導中,醫療的比例相對少很多,但開始研究這領域後漸漸感覺,醫療產業的產值比車聯網大太多了,最早的啟發是在今年六月的computex,其中創新館裡,將近一半的攤位都是和醫療相關的應用。

以下輕鬆看看就好,一個門外漢的見識實在不好意思拿出來獻醜,但既然都做完了,還是整理進我的學習筆記吧。

去年的報導,印度一位16歲少女,靠著自學AI研發了一套視網膜診斷模型。她因為糖尿病的爺爺因為併發症而失明,受到啟發,靠著自己學習程式語言和機器學習的技術,打造了Eyeagnosis,讓醫療資源缺乏的貧窮地區,可以靠著手機和僅3000元的3D列印鏡頭,快速的診斷視網膜的健康度。

Eyeagnosis利用34,000張視網膜圖庫,進行CNN的訓練,因為圖庫比較老舊,成相品質不是很好,剛好就和手機+3D列印鏡頭拍起來的效果差不多,機智和努力之下,一位新的天才就誕生了。

台灣在醫療科技領域其實已經默默耕耘30年,很早就開始訓練心電圖的電腦診斷,相關的圖形辨識同樣引用CNN卷積神經網絡,就在今年高雄榮總發表『定心布』,這項技術將利用在救護車上,當病患在救護運送過程中,在身上貼上10塊電極片收集病患的心電及健康資訊,一邊進行電腦診斷,一邊傳送到急診室的醫生,同步判斷這位病患是否心肌梗塞,醫院是否有能力承接這名病患或判斷立即送到其他醫院,省下傳統轉院過程的浪費,為病患爭取黃金救援時間。

在國際間,這一段救援時間稱為『Door to Balloon』,如果能降到90分鐘以內就已經是國際級水準,透過定心布的輔助,可以將時間縮短到50分鐘。

整體市場持續成長中,預估到2020年全球市值可以達700億美元,也有更多的科技大廠投入軟硬體的研發。相關應用包羅萬象,在美國已經開始的輔助診斷或是遠程看診,歐洲也著手研發看護機器人,為了因應老年化的社會,日本推出可以監控用藥狀況的電子藥丸,而擁有先進紡織技術的台灣,研發了多款智能衣將利用在運動產業,在大眾消費市場也陸續推出健康監控的智能手環手錶,一般民眾也能時時掌握身體變化。

老年化少子化的畸型人口結構已經是確定了,現在社會喊著人才外流,醫師過勞,醫護的人才荒,往後,只會是更少的醫護人員要照顧更多的老人,嚇到吃手手,會不會等我老了醫院沒人幫我看病,未來是不是可能開放外國人力來彌補這一塊空缺,那麼人才的教育和國內外差異的銜接就變的重要,如果能透過科技的輔助,加速醫護人員的培養或是消減不同文化間的差異,這會不會是一塊市場呢?

在台灣,2015年一年內就產生18PB的醫療數據,隨著科技進步,醫療已經不僅只於在醫院內接受治療,穿戴裝置或家中的智慧音箱讓數據量更爆發成長,根據研究指出,接下來醫療數據每兩年成長一倍,可以推估台灣到2020年產生的數據量將可達150PB,全球的資料量又是台灣的百萬倍,這麼龐大的數據如何有效運用,將是智慧醫療最大的考驗。

《醫療大數據》提到,面對龐大的醫療數據,最大的挑戰是—資料一致性,學過資料庫應該能了解,因為第一線填寫不確實所發生的欄位缺失或格式不統一,未來要進行數據分析前就需要大量的資料清洗工作,這可能就如Data Mining老師說的,80%的時間都在做資料清洗(ETL)。進一步的挑戰是,各醫療院所的數據系統都各自獨立,如何合併異質資料庫或本身設計就存在極大迥異的資料整合在一起,又是一番功夫。

假設有一天我們終於把資料理好了,如何保存呢?這麼大量體的數據應該存放在哪?中央集權保管,地方的系統就要全面更新,如果照現行保存,未來仍有無止境的ETL工作,似乎又是一個大難題。

今年11月北醫剛發表醫療區塊鏈,每個人都可以透過健保卡取得自己的病歷和醫學影像,未來可以拿著這些中性資料尋求不同專業意見,也減少重覆浪費,10月以色列新創公司還推出了AI診斷醫學影像,而且一次只要1美元,未來每個人都可以更便利的方式掌握自己的健康。區塊鏈和影像辨識都是已經存在的技術,當這些科技應用在醫療上是不是更覺得意義非凡。

幾個新創平台利用open data與資料視覺化的應用:

https://www.patientslikeme.com/
一般民眾分享自己疾病及生活模式的描述,以視覺化表示統計結果。
https://vizhub.healthdata.org/gbd-compare/
全球的醫療疾病統計,包含內外科及心理疾病。
http://www.cs.umd.edu/hcil/lifeflow/
以時間序列記載診斷記錄與病情的變化。
https://dep.mohw.gov.tw/DOS/np-1714-113.html
台灣衛福部也開放很多open data,行政院和台北市政府雖然也有提供open data,但在醫療這塊都遠不及衛福部的完整。

最後是我自己對智慧醫療領域的一點心得,前面談了很多醫療結合數據後的各種應用及好處,但我想應該還不止這些,可以觀測人體健康就可以應用在寵物上,現代人多的是把寵物當自己小孩一樣呵護著,就像我最擔心我家貓咪不愛喝水,好希望能有科技能幫我了解她的健康狀況。能觀測寵物就能運用在畜牧業,記錄飲食,疾病,用藥,氣候變化等等狀況,這些資料又能進一步幫助到食品安全的控管,所以說智慧醫療是不是商機無限,咳,更重要的是可以幫助這個世界變的更健康,更好的生活品質。

最後一個心得,擁有數據之後的應用也是很重要的,我光是要讀懂CNN理論就眼花撩亂,沒有筆記可以分享,但有感覺到機器學習的重要,所以以後要好好的充實這方面知識。

--

--