他用這些驚人數字提醒,台灣發展AI醫療不能再等了

2018.09.28 by
吳元熙
蔡仁譯攝
台灣人每年平均看診15次、有200萬人次做電腦斷層(CT)和磁振造影(MR)等放射治療;醫師開出處方籤張數,超過3億6千萬張。這些數字雖讓健保財政不斷惡化,卻也可能是發展AI醫療的最佳養分。

「醫療業已經沒有別的選擇。」臺北醫學大學醫學科技學院特聘教授暨院長李友專直言,台灣已經到了不得不重視人工智慧的地步,但他並非只是跟上AI熱門話題,而是從這塊土地上,看見許多獨特的「醫療數據」,像平均就診次數、處方籤張數,到放射檢查數量等,都能成為「推動AI發展的燃料。」

李友專認為,和發展自駕車技術略為不同,台灣的醫療現況已經不允許忽視AI了。
吳元熙/攝影

數據越來越多,奠定AI醫療基礎

李友專說,台灣一年有約200萬人次做電腦斷層(CT)和磁振造影(MR)等昂貴的放射治療,而且一個人次可能有幾十張到幾百張不等的數量,兩者相乘下來的累積資料,已經是世界等級。另外,全台醫師開出的處方籤張數超過3億6千萬張,以平均4種藥來計算,數字非常驚人。

「這是好事也是壞事。」他笑說,即便台灣已經是Bloomberg調查,全球醫療效率第9強的國家,可是國人平均每年看診超過15次,或許比見父母的機會還要多,導致健保負擔不斷加重,已成為付不起的未來了。

根據健保署及健保會資料,2019年的健保總額將首度突破7千億大關,達到7140億元;另一方面,健保財務缺口卻不斷放大,從去年的負98億,預估惡化至負257億元。

疾病複雜化後,醫師犯錯機率增加

李友專是台灣電子病歷重要推手之一,也是醫學資訊和人工智慧臨床應用先驅,自1993年投入至今。身兼萬芳醫院皮膚科主任的他,目前還在前線看診,不過即使有多年從醫經驗,卻認為治療難度比起從前高了不少。

28日舉辦新書發表會,李友專用疾病種類的變化為例,1995年健保開辦時,國際疾病分類只有約1萬5千種;時間來到2016年,變成了8萬種病,當疾病複雜化的時候,醫師犯錯的機會也越來越多。「加上老年化社會,病人的身體狀況會更加複雜,而台灣的醫療現況也讓分給每位病患的時間,逐漸縮短。」他說,這些都是不得不面對的現實。

他再舉「用藥錯誤率」為例。相較於英國的8%、美國5%,台灣雖自認僅有4%,且這些錯誤中,也包含多給一顆藥等,不一定會傷到人體的錯誤,但搭配台灣獨有的高就診次數、處方籤張數等醫療現象,還是會造成許多浪費及傷害。

「美國統計十大死亡原因,因醫療錯誤致死位居第三,僅次於癌症和心臟病。」李友專說,即便這不是最新的調查,卻也能顯示,無論從什麼面項來看,若是不善用AI、投資AI,台灣醫療,恐怕也不見得有未來。

每日精選科技圈重要消息