研究報告指出，醫界尋求突破量能的限制已成驅動醫療轉型的第一要素，其他兩項驅動因素則來自於病患行為改變以及醫療院所希望能提供更好的體驗。
從智慧機器人、腫瘤影像判讀、生理訊號偵測、智慧病房乃至於智慧藥櫃，數位科技在醫療場域的應用已愈來愈成熟，儼然成為醫療照護產業的新顯學。SAS台灣業務顧問部副總經理陳新銓觀察，近幾年醫療轉型非常積極，而新冠肺炎（COVID-19）正是其中一項非常關鍵的催化劑。「新冠疫情加劇了各產業挑戰，醫療照護產業首當其衝，面對醫療量能趨於惡化、病患行為改變，醫療照護產業也不得不加速轉型。」
這樣的論點並非空穴來風，而是實際與26國生技與醫療產業的領導人進行訪談而來，在這份「The Speed of Digital Disruption: Sustaining Transformation in Health Care and Life Sciences」報告中指出，醫療量能的限制已成驅動醫療轉型的第一要素，其他兩項驅動因素則來自於病患行為改變以及醫療院所希望能提供更好的體驗。「很難相信，新冠疫情爆發後，短短的三個月內，全球被延遲的手術就高達2,800萬件，」他提到，新冠疫情加劇了問題的嚴重性，讓原本就已經非常緊繃的醫療量能急劇惡化，不只是在急診室，包含各科室的慢性病，甚至是後端的生技產業，如臨床實驗還有藥品等等，都受到相對應的限制。
醫療成熟度仍有待強化
實務上，醫療轉型也面臨許多挑戰。導致轉型障礙的前三大因素包含數位成熟度較低（Low Digital Maturity）、資料孤島以及對數位工具缺乏信任。陳新銓解釋，雖然數位醫療在近幾年受到許多關注，但平心而論，還有許多醫療產業的數位化程度並不如預期，撇開區域醫療發展仍有城鄉差距的因素不論，在大型醫療院所中，也普遍缺乏如資料收集與分析系統等等能夠提升成熟度的關鍵工具和系統。
「只要對比金融產業，便很容易可以感受到成熟度的差異。」他舉例，在人員配置上，金融產業可能會投入一整個部門進行資料分析，但相比之下，醫療院所內的分析人員可能僅有二至三位，甚至由研究生兼著分析，根本沒有設立分析部門。而且在資料收集方面，也往往因為沒有意識到可以運用AI來協助，使得相關資料並沒有收集完整，最終必須受限於資料來決定如何應用。由此也不難想見，醫療產業的資料完整度有待補足，甚至可能存在許多資料孤島的情況。
此外，隨著AI技術日益成熟，目前已有許多數位病理以及輔助診斷系統的應用落地，準確率也很高。不過現今多數仍是小範圍的試驗，還沒有擴大應用，未來數位信任問題勢必也會受到關注。
從需求著手資料治理更有效率
面對疫情造成大環境快速變遷，保有彈性與韌性已成為醫療照護產業永續經營關鍵，勤業眾信在全球醫療照護趨勢觀點報告中便預估，到了2040年，傳統的醫療照護產業將走入歷史，取而代之的是更廣泛而全面的健康產業。透過科學、資料及技術，醫護人員將能夠更早地識別病患狀態並提供主動關懷，從而更有效地維持身心健康。
毫無疑問，包含大數據分析、人工智慧在內的數位科技將在其中扮演關鍵角色。不過，陳新銓也提醒，「資料治理」在打造智慧醫療的過程中也非常關鍵。「雖然資料治理是數位轉型的前置步驟，但就我們的經驗來看並不一定要先做不可，原因在於即便整理好2,000個欄位資料，如果不知道如何運用，或是何時運用，最終也只是把資料整理好存放而已。比較有效率的作法反而是先從挑戰或資料量最大的地方著手。」他進一步說明，先找出最多的資料或者最大的挑戰，再針對這些層面思考如何應用AI來解決，待討論出一個比較可行的方案後，再往回推敲，需要收集哪些資料，此時再來進行資料治理，才會比較有效率。
另外，醫療院所可能也會面臨系統在數位化後，收集到過多的資料反而處理不來的情況，以血液透析機（洗腎機）為例，以往護理師在現場監控收集如心跳、血壓、體溫等生命徵象的資料，最多可能只收集10項數據，然而，改採機器自動化收集後，還能收集到血液的速率、血液透析時間的長短、每階段時間的靜脈壓（上脈壓與下脈壓）或是最高與最低的心跳等等，換言之，當資料收集變多、資料量變大，另一個挑戰就在於資料的總類就會劃分得很細。
「這對醫生也會造成挑戰，因為在求學時期並沒有學習到這麼多的指標，該如何使用？」陳新銓提到，當數位收集管道變多，如何應用這些資料就會成為一項課題。並不是把資料倉儲變大就好，關鍵是如何運用，這又會回到決定目標、往回推敲、收集所需資料的循環。
醫療轉型應具備四特徵
在全球已協助多家醫院運用分析、人工智慧與資料管理等技術落地智慧醫療的SAS認為，成功的醫療轉型應該具備四個特徵，包含互動性（Interoperability）、臨床路徑（Clinical Pathway）、病人參與（Patient Engagement）／下一個最佳行動（Next Best Action）以及更自動化的RPA與數位工作流。其中，互動性指的是醫療人員與資訊系統的互動性要夠高；臨床路徑指的是臨床跟實驗路徑的強化；而病人參與及下一個最佳行動則是透過自然語言處理（NLP）或是非結構化的資料收集方法，讓病患涉入整個療程，或是思考更有效率的作法，讓病患體驗更好；而RPA與數位工作流則是透過自動化來降低醫護人員的負擔。而這些都是為了提供更好的醫療品質，實現規模化的AI並且改善醫療體驗。
SAS台灣業務顧問部副總經理陳新銓觀察，近幾年醫療轉型非常積極，而新冠肺炎（COVID-19）正是其中一項非常關鍵的催化劑。
此外，陳新銓也分享了位於荷蘭鹿特丹的Erasmus醫學中心的應用案例，這項專案主要聚焦在ICU加護病房，全身性炎症反應徵候群（Systemic Inflammatory Response Syndrome，SIRS）是敗血症的初期狀況，當血液感染時，病患就會全身發燒，這是很嚴重的症狀，全球加護病房幾乎都要特別留意是否有院內感染發生。
「你可以想像，醫護人員每天進加護病房的第一件事就是觀察病患有沒有發燒、血氧過低或心跳過快。如果有的話，就要給予生理食鹽水，看看有沒有改善。如果沒有改善，就要給藥。」如何將這一連串過成轉成自動化？透過SAS系統，護理師可以用視覺化點選的方法，設定完想要監控的條件，接下來就會轉化成一個決策的流程，將醫護人員每天要做事情自動化，並且有AI模型建議要如何進行下一步，監控指標為何？好處除了可以降低醫護人員的負擔外，也能避免因為醫療量能不足而演變成人為疏失。「這個模式還可以擴展到不同科別的病床，甚至是全院整個醫學中心，讓醫護人力安排與運用可以更加彈性，很值得在台灣落地。」他說。