大數據的運用即將改變未來的醫療模式

文章發表:2018/04/23

黃浥暐

壹、議題概要*

每年於華盛頓特區舉辦的醫療保健及數據研討會(Health Datapalooza),聚集了各式醫療服務機構、新創公司、政府機關及科技人士。在今年的研討會中,學者除再次強調「數據將驅使醫療保健系統改革」,更點出了「互操作性」(interoperability)的重要性。而美國政府將制定獎勵機制,促進數據的自由流動,以達成真正的互操作性。

大數據與醫療體系的互動日趨密切,但欲達到有效使用醫療數據以提升整體醫療品質、造福患者的目標,無論是政府或醫界都需做更多努力。

貳、討論與分析

「若基因匹配癌症療法如同血型匹配輸血療法般簡單且標準化;若找出正確的用藥劑量——如測量體溫般輕而易舉……。」這是美國前總統歐巴馬(B. Obama)對未來醫療提出的願景。我們可以試想以下情境:患者在候診間以平板輸入自己的症狀;進入診間後,當醫師詢問自己的運動或飲食習慣時,患者直接從智慧手錶傳送紀錄;問診時,醫師已從雲端平台下載了病人過去的所有病歷及健康資料,來源涵蓋不同診所及醫院;電腦將各種數據與當日得到的資訊彙整後,篩選出可能的疾病;搜尋疾病資料庫,發現近來某種新藥效果極佳,特別是應用在某種基因型的病人身上;最後再因符合病人基因型態及各項健康資料,可計算出最適合劑量。在現今資訊科技突飛猛進的年代,上述景象已不再是難以觸及的想像。目前各醫院與診所早已建構電子病歷系統,許多人也早就開始使用智慧型手機、手錶,記錄自己的日常健康狀況,包括飲食、運動里程,以及女性的月經週期等,並無縫上傳至雲端平台。此外,基因體科學的相關技術,在此世紀差出現爆炸性進展。根據統計,基因組定序的花費在跨入21世紀後,已由每基因組1億美元降低至1,000美元,使埋藏在人類基因體中的資訊能量大幅釋出。這些龐大的資訊即為大數據,其正以鋪天蓋地之勢改變人們的醫療模式。

大數據在醫療上的可能運用,分別簡述如下[1]

一、分析電子病歷:共享病歷,避免重複檢查、節省醫療資源。

二、分析不同醫院體系:在入院前分析某醫院具某種適合該疾病的設備,或某醫師具備對該疾病較佳的技術、處理能力等。

三、降低再入院率:按照過往記錄、圖表訊息和患者特點,醫院能提早識別高風險病人並提供必要的護理,從而降低再入院率。

四、醫療更有效率:簡化並改善醫療流程,避免人力浪費,縮減不必要檢驗等。

五、提升實證醫學結果:若集合各醫院數據,可整合成更大型數據庫,為實證醫學提供更強大的後盾,使醫師得以做更準確的診斷。

六、促進公衛研究:將疫苗注射、流行病紀錄等數據標準化以進行研究,幫助政策與法令的擬定。

隨著人口老齡化和醫療成本飆升,世界各政府無不著手進行醫療系統的改革,以減少公共支出。其中重要目標之一,是促進精準醫療 (precision medicine),以減少醫療資源浪費,而大數據在其中扮演重要角色。何謂精準醫療?即除了過去傳統病患症狀描述及常規檢查(血液、影像檢查)外,再加上涵蓋基因、蛋白質、代謝檢測等之生物醫學檢測,並將其其中的家族病史、種族等個人資料透過人體基因資料庫,進行比對分析,從中選出最適合病患的治療方式,使病人得到個人化治療[2]。美國前總統歐巴馬在2015年初的國情咨文演講中提出「精準醫學計畫」(Precision Medicine Initiative),預估10年內投入2.15億美元,其中1.3億美元用來建立百萬人醫療記錄、基因、生活習慣等數據資料庫;7,000萬美元用以找尋誘發癌症的基因及新藥開發;1,000萬美元用於訂定相關法規;500萬美元用來研究如何保護患者隱私與個資安全。而中國亦於同年將精準醫療納入國家「十三五計畫」,預估至2030年,將投入600億人民幣。世界各科技大廠,包括: Google、IBM以及鴻海,皆有投入精準醫療的計畫[3]

但實作方面,遠較紙上談兵複雜許多,首先橫在眼前的是大數據的整合問題。醫療資料來源相當凌亂與分散,其包含各大小醫療院所、各式電子病歷系統等,彼此間不願或無法共享,且數據格式標準亦無統一規格;資料蒐集、取樣的方式也多不相同,這種種問題,均可能造成分析結果的偏差。因此,提高互操作性(interoperability)是大數據應用在醫療上需迫切對應的問題。根據美國醫療資訊與管理系統學會(Health Information Management Systems Society, HIMSS)的定義,互操作性為資訊能夠在不同的IT系統及軟體應用程式間順暢溝通、交換以及使用,以確保其中圖表、各數據之標準可在醫生、實驗室、醫院、藥局、患者之間,形成共享,亦能在不同應用平台之間通用。然而,此層級的整合工程相當巨大,因此在今年的Health Datapalooza中,部分專家建議應降低標準,先將目標放在逐步提高數據的流通性上[4]

同時,亦有許多醫師對大數據的使用抱有疑慮。自電子病歷系統架構以來,醫生們花費太多時間面對電腦螢幕與鍵盤,而非與病人互動,讓其感覺得自己變成「數據輸入員」。有鑑於人體生理與疾病的進展為動態的、充滿複雜變因的,過度仰賴電腦與數據,可能反使醫師錯失重要的「感官訊息」,形成如同在實驗室檢驗與影像診斷中式微的理學檢查般之情形。此外,患者個人健康資訊,包含姓名、身心狀態,甚至是基因資料,如何防止被濫用與盜用?現行法律能否保障我們的健康隱私?一覽無遺的健康資訊,是否可能導致醫院拒收高風險病人?假使某地統計具高比例的某項疾病,甚至是某類基因型態,是否可能引發歧視或恐慌?這些都是醫療數據擴大流通之後可能造成的問題。

整體來說,大數據雖為整個健康照護系統帶來許多可能性,但能否成為提升整體醫療品質的利器,仍須仰賴人們的智慧駕馭與規範,此須依靠政府部門、法律界、醫界、資訊界等共同努力,從而規劃出完善的體制以及精準的技術,使其能正確地被操作與運用。

參、延伸閱讀

  • 蔡甫昌、賴美淑,大數據之醫療運用(上),台灣醫學,20卷6期,2016年11月,588頁。
  • 蔡甫昌、賴美淑,大數據之醫療運用(下),台灣醫學,21卷1期,2017年1月,29頁。
  • 陳聰富、蔡甫昌,大數據應用於醫學研究之法律議題,台灣醫學,21卷1期,2017年1月,34-42頁。
  • 蔡甫昌、蔡玫芬,大數據與醫學研究之倫理觀點,台灣醫學,21卷1期,2017年1月,43-53頁。
  • 林子倫,大數據與健康研究之公民參與,台灣醫學,21卷1期,2017年1月,54-61頁。
  • 徐明,大數據時代的隱私危機及其侵權法應對,中國法學(中文摘要版),1期,2017年2月,1-5頁。
  • 黃瀚萱、陳信希,醫療大數據及其應用,台灣醫學,20卷6期,2016年11月,589-594頁。
  • 許炳華,大數據時代下隱私權之保護——可能之影響暨對策,興大法學,20期,2016年11月,129-191頁。
  • 陳育群、李偉強,醫療大數據:健保資料庫之臨床應用與研究,台灣醫學,20卷6期,2016年11月,602-608頁。
  • 盧子彬、李建樂、張耀尹、謝嘉珊,大數據於基因體學研究之應用,台灣醫學,20卷6期,2016年11月,609-619頁。

註釋

  • George Leopold, Medicine’s Data Transformation, From Genomics to Reforms, DATANAMI, May 1, 2017, https://www.datanami.com/2017/05/01/medicines-data-transformation-genomics-reforms/ (last visited Apr. 2, 2018). 返回內文
  1. Ingram Micro 7 Big Data Uses For Healthcare, http://www.ingrammicroadvisor.com/data-center/7-big-data-use-cases-for-healthcare (last visited Apr. 3, 2018). 返回內文
  2. 葉席吟, 精準醫療之各國推動政策觀察, https://portal.stpi.narl.org.tw/index/article/10278 返回內文
  3. 翁麗俐,精準醫療結合大數據 照亮前景,2016年10月31日,經濟日報,https://money.udn.com/money/story/10164/2057575(瀏覽日期:2018年4月3日);葉席吟,同註2。 返回內文
  4. George Leopold, Medicine’s Data Transformation, From Genomics to Reforms, DATANAMI, May 1, 2017, https://www.datanami.com/2017/05/01/medicines-data-transformation-genomics-reforms/ (last visited Apr. 2, 2018). 返回內文


月旦系列雜誌

月旦知識庫

月旦品評家



數位整合服務
產品服務
讀者服務專線:+886-2-23756688   傳真:+886-2-23318496   地址:臺北市館前路28號7樓

Copyright © 元照出版 All rights reserved. 版權所有,禁止轉貼節錄
TOP