AI當推手 智慧醫療廣泛導入機器人應用
在第一線的醫療診斷應用方面，許多醫院都已經逐步導入人工智慧，協助醫生分析醫學影像、病患傷檢分類及優化等待時間等面向...臺北醫學大學則是在2017年7月引進IBM Watson for Oncology(WFO)的AI癌症輔助治療系統，並於台北癌症中心、北醫附醫、萬芳及雙和等醫院的腫瘤科施行，利用AI對乳癌、肺癌、大腸癌、子宮頸癌等項目進行判讀，可以處理的癌症數量已從7種增至13種...(Digitimes)


達文西手術系統讓醫師坐在螢幕前操作控制台手術，不再直接接觸病患。Wikipedia
 

將ICT科技用於健康領域的智慧醫療(eHealth)，目前已進入應用階段，舉凡健康管理、疾病醫療、遠距照護、醫學研究等，都可以看到ICT科技貢獻的身影。

AI醫療應用風潮漸起
Pepper，可透過互動方式，陪伴與指導患者進行復健運動。台北榮總

在第一線的醫療診斷應用方面，許多醫院都已經逐步導入人工智慧，協助醫生分析醫學影像、病患傷檢分類及優化等待時間等面向。科技部從2017年起，即已規劃用4年50億元的經費，打造符合國際先進國家先進國家等級的AI平台，促進台灣產業AI化與AI產業化。

如科技部在2017年啟動的「影像醫療」專案計畫，即結合台大醫院、台北榮總與台北醫學大學3大醫院，建置台灣首座本土化跨醫療院所影像標註資料庫，鎖定國人醫療需求的心、肺、腦等重大疾病進行判讀，至今已完成4萬4650個影像標註。

台北榮總更是從2018年初開始，全院部科95%的檢查報告及影像都已完成整合，同時儲存在部科診間及資訊室雲端，並與台灣人工智慧實驗室(AILabs)合作，建立臨床AI自動判讀轉移性腦瘤系統。

台北醫大則是在2017年7月引進IBM Watson for Oncology(WFO)的AI癌症輔助治療系統，並於台北癌症中心、北醫附醫、萬芳及雙和等醫院的腫瘤科施行，利用AI對乳癌、肺癌、大腸癌、子宮頸癌等項目進行判讀，可以處理的癌症數量已從7種增至13種。中國醫藥大學附設醫院則在2018年導入NVIDIA DGX-2超級電腦，針對乳癌、肝癌、骨齡等項目導入AI判讀機制，對醫生縮短討論時間，提升決策速度，AI確實有明顯助益。

台北榮總也於2019年在骨科、心臟科、神經外科開辦AI門診，電腦只要花30秒，就能從數百張核磁共振影像中找出腫瘤，不僅縮短人工判讀時間，有助醫病深度溝通，準確率更高達95%，有效減輕醫師的負擔，並進一步幫助患者得到最合適的治療。

手術機器人市場進入成長期

機器人的發展對醫療領域的影響也是相當深遠。如手術機器人已廣泛應用於普通外科、心臟外科、婦科、骨科以及泌尿外科等領域。根據Mordor Intelligence在2018年發表的報告，2017年全球手術機器人市場規模約可達到35.6億美元，美國為最大市場，市佔率達57.7%，其次依序為歐洲24%、亞洲15.2%。產品生命週期已從萌芽期邁入成長期，預估未來幾年將有高達21.9%的成長，至2023年將可達到109.7億美元。

手術機器人目前已大幅應用於醫院的各個科別，主要集中於婦產科(佔30.1%)，其次是骨科(15.5%)、心血管科(13.9%)、泌尿科(9.7%)、神經外科(5.2%)，如美國絕大多數的前列腺切除術，多半都已採用手術機器人來進行。

外骨骼機器人則是另一個對醫療領域有重大影響的機器人技術，主要是作為人類肢體的行動輔具使用。中華經濟研究院國際經濟研究所指出，全球外骨骼機器人於醫療市場的規模在2018年達1.17億美元，預計到2030年達5.72億美元，年複合成長率有37.4%。

外骨骼機器人原本的目標對象是鎖定脊髓損傷壞者，但基於市場擴展需要，也開始逐步延展到因身體疾病(如中風)和意外事故導致無法行動的族群，由於復健有效性逐漸獲得接受、高齡化社會驅動的長者行動輔助需求等，外骨骼機器人的市場需求也頗被看好。

另外，由於醫院人力吃緊，許多衛教互動也開始轉由機器人協助。如由台北榮總外科部乳房醫學中心、台灣諾華與沛博科技三方共同攜手合作推出的乳癌衛教機器人Pepper，提供的功能包括資訊導覽，可查詢醫院相關資訊；一對一衛教，可了解乳癌衛教資訊；復健運動指導，可透過互動方式，陪伴與指導患者進行復健運動；團體衛教，提供七種不同的乳癌衛教簡報，能夠定期對患者進行團體衛教課程。

患者於候診時與Pepper的互動，不但有助於放鬆心情，還可獲得基本的衛教及復健知識，可節省診療時醫護人員回答問題的時間，也得以服務更多的患者，為醫院與患者帶來雙贏的局面。

法規開放腳步宜加快

雖然智慧醫療隨著資訊科技的進步而快速成長，如遠距醫療服務在美國、日本等國家都已實行多年，但醫療行為涉及用戶生命健康，各國相關法規在智慧醫療的推展過程中，都會採取相對謹慎的態度，如台灣直到2018年5月，衛生福利部公布新版「通訊診察治療辦法」，在山地、離島及偏僻地區的五類病人，才能進行遠距診察，但由於符合條件之患者數量不多，導致業者開發產品無法達到足夠的收益，商業模式難以建立，往往造成智慧醫療機器人與應用系統的推廣不易。

由於FDA認證往往需要實際數據認證，但許多智慧醫療技術若未能進入應用場域，就難以提出客觀可靠的實證，取得FDA認證的難度自然也會增加，於是形成惡性循環，對智慧醫療應用市場的持續成長造成阻礙。

除了醫療效果的實證外，舉凡醫療資訊的傳輸安全、智慧裝置的量測準確性，以及如何找出可靠的商業模式，都是智慧醫療業者需要努力克服的問題。

尤其是對AI醫療影響極大的醫療資訊，雖然民眾目前可依自身意願將資料授權給民間業者使用，但緩不濟急，若能有大規模的資訊開放機制，如醫院間病歷資料的轉移與整合，或是將醫療資訊透過去識別化處理，提供給醫療研究、藥物開發等項目使用，一方面要維護資訊安全性，一方面又要提高透明度及可利用性，如何同時兼顧，讓AI醫療效果極大化，是產官學三方都需要共同承擔的責任。