堅持以人為本、提供有溫度的照護，這幾年，台北榮民總醫院（以下簡稱台北榮總）全面推動醫療人工智慧（AI）的研發與應用，除開設AI門診、運用AI輔助核磁共振造影（MRI）醫療影像判斷，也將其應用於即時血液透析分析，降低乾體重的誤差，減少心臟衰竭風險，以及針對重症患者提供休克預警。
「只有貼近醫護現場真實的需求，才能真正發揮科技的力量。」坐在會議室裡，台北榮民總醫院資訊室資訊高級工程師朱原嘉透露一個洗腎AI預判系統的小故事，「身邊若沒有長期洗腎的親人，很難感受家屬那種擔心害怕心情。曾經有個護理師來問我，該不該讓她的親人選擇洗腎？若不洗腎，身體裡的毒素會讓他們變得愈來愈虛弱，一旦同意了，就得長期規律地洗腎，從此只要發生嚴重併發症就是與死神搏鬥。」
根據統計，台灣有九萬名以上的洗腎人口，其中約有五成洗腎病患是因為心血管疾病而死亡，心臟衰竭是重要的死因。而乾體重的調整是有效控制降低心血管疾病的方式之一。
2021年，台北榮總與SAS攜手合作開發即時血液透析AI預判系統，在洗腎過程中即時收集連續性洗腎參數和生理數值，代替以往人工手抄紀錄，預判並警示心臟衰竭發生機率，精準計算洗腎後最理想的體重（乾體重），減少因脫水不足造成的呼吸不順與心臟衰竭的風險，大幅提升洗腎安全性，準確度高達90%。
所謂乾體重指的是透析後的體重，由於乾體重設定不易，一旦脫水速度太多或太快，便容易造成血壓下降，引發休克甚至死亡，過往只能仰賴醫師臨床經驗判斷，如今藉由人工智慧預測系統，即時接收病人200組的生理和透析機數值，再利用北榮大數據中心擷取病人病歷資料、檢驗結果、用藥資訊等多元資料，即時演算，及早研判可能發生心臟衰竭的風險，讓醫護人員預作處置。
展現AI成果基礎架構是關鍵
他提到，不管是輔助決策或是提早預判，展現AI成果的背後必須有足夠強大的基礎架構給予支撐。台北榮總從2016年開始投入大數據至今，才總算稍具雛型與規模，得以將各種收集來的數據轉化為高價值的洞察資訊，提升論文質量、幫助醫師進行精準診斷和精準用藥，透過創新醫療模式提升醫院營運績效與營收。
回顧過去六年來的努力，朱原嘉難得露出一絲苦笑，「沒有足夠的人力、預算，也沒有可學習的前例，這幾年靠著一邊摸索、一邊學習，才慢慢把硬體基礎架構、系統平台服務建置起來。一開始由於沒有前例可循，還特地取經台大醫院與長庚醫院，琢磨出初版計畫，從健保資料庫開始著手，也開始討論該如何建構出合適的基礎架構。」
如今，台北榮總大數據系統架構已日益完整，來自醫療資訊系統、電子病歷資料庫平台、醫療影像平台、健保資料庫以及其他串流的資料，不論是批次或是即時地產生，不同的資料型態都會被存放到不同的資料定位區（Landing Zone）中，像是原始數據、非結構化資料、歷史數據與歸檔資料就可存放在NAS設備中，Mango DB存放FHIR與JSON資料、DB2/Postgre SQL則用來儲存結構化資料、建構資料倉儲與資料市集（Data Marts），而串流資料就存放在Pi System、至於影像檔就存放在物件儲存內。
此外，也部署伺服器運用GPU算力，而在應用分析層上，則導入分析平台來縮短醫學分析時間，同時也建立視覺化數據挖掘AutoML系統。「這些都還不包含為基礎架構設置獨立區域所需要的網路、水、電以及應用架構串接起來的工程。」他提到，由於HIS再造與大數據平台幾乎是同時期並行，大部分的既有人力都放在HIS再造案上，壓力之大也得以想見。
克服智慧醫療四難題
回顧台北榮智慧醫療發展大事紀，2016年啟動HIS再造案，將大型主機轉換為開放式系統架構，同年在院長張德明指示建置研究資料庫下，成為發展大數據中心的契機。2018年啟動院級研究計畫，支援人力經費；2019年成立大數據中心，並建構第一期全院性研究型資料湖（Data Lake）。2020年，台北榮總完成大型主機轉開放系統再造工程，同年也開始建構第二期全院性研究型資料湖。
2021年，台北榮總大舉加速發展智慧醫療，不只打造洗腎心衰即時預測AI發布，也推出FHIR疫苗通行證App、正式揭牌啟用醫療人工智慧發展中心。2022年情緒精準醫療中心啟用，同時也聯手飛利浦發展AI精準醫療；另外，也分別與華碩發起智慧病歷系統建置、廣達展開零接觸醫療專案。
台北榮民總醫院資訊室資訊高級工程師朱原嘉指出，跨部門溝通時，如何讓雙方的語言彼此都能聽得懂才是關鍵，而這也是最難的地方。
「老實說，頭兩年因為缺乏人力與預算支持，直到2018年取得第一筆預算後才逐步將架構落實。」由於朱原嘉主要負責的項目是核心項目與基礎工程的建置，因此，首要任務便是釐清複雜的架構與資料現況，進行完整的藍圖規劃。「經調查後才發現，台北榮總的資料庫居然有2,000個之多。」他解釋，早期預算都是撥給各科室，而各科室採購的儀器幾乎都有自己的資料庫，而且儀器廠商都是國際品牌大廠，根本就不會為使用者而客製化，能做的事情就只能讓這些高階儀器產出報告，資料收攏就是一大挑戰。
第二個挑戰是來自於人力。朱原嘉提到，醫療產業向來便不是資訊工程人才的第一選項，再加上在醫療院所中，IT角色並不強勢，總被要求錢要花在刀口上，其實這是一個很辛苦的過程，很多年輕的工程師並不願意到醫院就職。再加上當時大多數的既有資訊人力都投入在HIS再造案中，最終只能另起專案，取得預算後，找來三位工程師共同執行。
第三個挑戰是領域知識。IT工程師與使用者的期望之間存有很大的鴻溝，想要完成一套系統，便需要跨部門溝通，但是各個科室的語言不同，當系統涉及了內科、外科、腫瘤科，還有照護、心理諮商師以及個管師等多個團隊時，如何讓雙方的語言彼此都能聽得懂才是關鍵，而這也是最難的地方。「所有的IT工程師都知道『table』指的是資料庫內的資料表，但是同樣的字眼，聽在醫護人員的耳裡，完全無法意會。同樣地，內科、外科與腫瘤科也都有自己的專業語言，如果雙方無法溝通，專案就無法進行，簡而言之，大數據的工程師必須要很懂醫療的領域知識，否則就會面臨雞同鴨講的處境，功力再好都無用武之地。」
第四個挑戰是資料治理。如何讓資料處在正確的位置，而使用者也知道到哪裡找到正確的資料，也是一個重要的環節。朱原嘉最後強調，資料治理也是走向智慧醫療必經的課題，在架構設計時，必須要跟醫護人員及各科室長官共同討論，才能讓資料存放在適合的位置與儲存設備上。