AI当推手 智慧医疗广泛导入机器人应用
在第一线的医疗诊断应用方面，许多医院都已经逐步导入人工智能，协助医生分析医学影像、病患伤检分类及优化等待时间等面向...台北医学大学则是在2017年7月引进IBM Watson for Oncology(WFO)的AI癌症辅助治疗系统，并于台北癌症中心、北医附医、万芳及双和等医院的肿瘤科施行，利用AI对乳癌、肺癌、大肠癌、子宫颈癌等项目进行判读，可以处理的癌症数量已从7种增至13种...(Digitimes)


达文西手术系统让医师坐在萤幕前操作控制台手术，不再直接接触病患。Wikipedia
 

将ICT科技用于健康领域的智慧医疗(eHealth)，目前已进入应用阶段，举凡健康管理、疾病医疗、远距照护、医学研究等，都可以看到ICT科技贡献的身影。

AI医疗应用风潮渐起
Pepper，可透过互动方式，陪伴与指导患者进行复健运动。台北荣总

在第一线的医疗诊断应用方面，许多医院都已经逐步导入人工智能，协助医生分析医学影像、病患伤检分类及优化等待时间等面向。科技部从2017年起，即已规划用4年50亿元的经费，打造符合国际先进国家先进国家等级的AI平台，促进台湾产业AI化与AI产业化。

如科技部在2017年启动的「影像医疗」专案计画，即结合台大医院、台北荣总与台北医学大学3大医院，建置台湾首座本土化跨医疗院所影像标注数据库，锁定国人医疗需求的心、肺、脑等重大疾病进行判读，至今已完成4万4650个影像标注。

台北荣总更是从2018年初开始，全院部科95%的检查报告及影像都已完成整合，同时储存在部科诊间及资讯室云端，并与台湾人工智能实验室(AILabs)合作，建立临床AI自动判读转移性脑瘤系统。

台北医大则是在2017年7月引进IBM Watson for Oncology(WFO)的AI癌症辅助治疗系统，并于台北癌症中心、北医附医、万芳及双和等医院的肿瘤科施行，利用AI对乳癌、肺癌、大肠癌、子宫颈癌等项目进行判读，可以处理的癌症数量已从7种增至13种。中国医药大学附设医院则在2018年导入NVIDIA DGX-2超级电脑，针对乳癌、肝癌、骨龄等项目导入AI判读机制，对医生缩短讨论时间，提升决策速度，AI确实有明显助益。

台北荣总也于2019年在骨科、心脏科、神经外科开办AI门诊，电脑只要花30秒，就能从数百张核磁共振影像中找出肿瘤，不仅缩短人工判读时间，有助医病深度沟通，准确率更高达95%，有效减轻医师的负担，并进一步帮助患者得到最合适的治疗。

手术机器人市场进入成长期

机器人的发展对医疗领域的影响也是相当深远。如手术机器人已广泛应用于普通外科、心脏外科、妇科、骨科以及泌尿外科等领域。根据Mordor Intelligence在2018年发表的报告，2017年全球手术机器人市场规模约可达到35.6亿美元，美国为最大市场，市佔率达57.7%，其次依序为欧洲24%、亚洲15.2%。产品生命周期已从萌芽期迈入成长期，预估未来几年将有高达21.9%的成长，至2023年将可达到109.7亿美元。

手术机器人目前已大幅应用于医院的各个科别，主要集中于妇产科(佔30.1%)，其次是骨科(15.5%)、心血管科(13.9%)、泌尿科(9.7%)、神经外科(5.2%)，如美国绝大多数的前列腺切除术，多半都已采用手术机器人来进行。

外骨骼机器人则是另一个对医疗领域有重大影响的机器人技术，主要是作为人类肢体的行动辅具使用。中华经济研究院国际经济研究所指出，全球外骨骼机器人于医疗市场的规模在2018年达1.17亿美元，预计到2030年达5.72亿美元，年复合成长率有37.4%。

外骨骼机器人原本的目标对象是锁定脊髓损伤坏者，但基于市场扩展需要，也开始逐步延展到因身体疾病(如中风)和意外事故导致无法行动的族群，由于复健有效性逐渐获得接受、高龄化社会驱动的长者行动辅助需求等，外骨骼机器人的市场需求也颇被看好。

另外，由于医院人力吃紧，许多卫教互动也开始转由机器人协助。如由台北荣总外科部乳房医学中心、台湾诺华与沛博科技三方共同携手合作推出的乳癌卫教机器人Pepper，提供的功能包括资讯导览，可查询医院相关资讯；一对一卫教，可了解乳癌卫教资讯；复健运动指导，可透过互动方式，陪伴与指导患者进行复健运动；团体卫教，提供七种不同的乳癌卫教简报，能够定期对患者进行团体卫教课程。

患者于候诊时与Pepper的互动，不但有助于放松心情，还可获得基本的卫教及复健知识，可节省诊疗时医护人员回答问题的时间，也得以服务更多的患者，为医院与患者带来双赢的局面。

法规开放脚步宜加快

虽然智慧医疗随着资讯科技的进步而快速成长，如远距医疗服务在美国、日本等国家都已实行多年，但医疗行为涉及用户生命健康，各国相关法规在智慧医疗的推展过程中，都会采取相对谨慎的态度，如台湾直到2018年5月，卫生福利部公布新版「通讯诊察治疗办法」，在山地、离岛及偏僻地区的五类病人，才能进行远距诊察，但由于符合条件之患者数量不多，导致业者开发产品无法达到足够的收益，商业模式难以建立，往往造成智慧医疗机器人与应用系统的推广不易。

由于FDA认证往往需要实际数据认证，但许多智慧医疗技术若未能进入应用场域，就难以提出客观可靠的实证，取得FDA认证的难度自然也会增加，于是形成恶性循环，对智慧医疗应用市场的持续成长造成阻碍。

除了医疗效果的实证外，举凡医疗资讯的传输安全、智慧装置的量测准确性，以及如何找出可靠的商业模式，都是智慧医疗业者需要努力克服的问题。

尤其是对AI医疗影响极大的医疗资讯，虽然民众目前可依自身意愿将资料授权给民间业者使用，但缓不济急，若能有大规模的资讯开放机制，如医院间病历资料的转移与整合，或是将医疗资讯透过去识别化处理，提供给医疗研究、药物开发等项目使用，一方面要维护资讯安全性，一方面又要提高透明度及可利用性，如何同时兼顾，让AI医疗效果极大化，是产官学三方都需要共同承担的责任。