Google聯手醫院開發決策演算法！科技巨頭們搶攻智慧醫療，都出了哪些招拚市場？|數位時代 BusinessNext

Google正利用在數據及AI上的技術優勢，一步步深入廣大的醫療市場。近期Google便宣佈與美國連鎖醫院HCA Healthcare達成合作，將利用病患的數據開發醫療演算法，協助醫生進行決策。

根據《華爾街日報》報導，在全美21州擁有186間醫院、超過2,000個醫護據點的HCA，正式與Google Cloud建立多年的合作關係，預計將分享診斷資料與醫療設備蒐集到資訊，目標開發演算法強化醫院的營運效率、協助監控病患情形，以及給予醫生建議。

Google攜手連鎖醫院，開發演算法協助醫生做決策

Google Cloud執行長湯瑪斯．庫里安（Thomas Kurian）在聲明中指出，「雲端可以促進醫療領域的創新，特別是在驅動資料的互操作性上，這對簡化營運及改善醫療品質相當關鍵，進而為病患帶來更好的醫療成果。」

Google預計將提供多個醫療相關產品，包括Google Cloud Healthcare API，以及符合美國健康保險法規HIPAA的企業資料儲存服務BigQuery。

對於敏感的病患隱私問題，HCA強調，Google不會取得可辨識病患身份的訊息，所有資料在與Google分享前，都會去除能夠識別身份的內容，且醫院的系統擁有掌控資料訪問權限的能力。

Google Cloud醫療及生命科學總經理沙卡洛斯基（Chris Sakalosky）指出，在取得HCA同意為前提下，Google會在必要時取用不包含患者個人病歷的資料，以及開發醫療分析工具，並會讓HCA獨立檢測演算法模型。

Google也並非首度與醫院合作。2019年時，Google就曾披露正在與美國第二大醫院系統Ascension合作建立醫療查詢系統。這項名為「夜鶯」的計畫蒐集了上百萬名患者的資料，也引發外界疑慮。

雖然Google與Ascension的合作完全合法合規，且目的是讓醫護人員能更準確、便利地調閱資料庫的病患資料，進而幫助醫生做出決策，給予患者更有效的醫療照護，但依舊沒辦法令外界完全放心，這些患者的資料是否受到妥善運用。

看準搜尋熱度，Google Health發表皮膚診斷App

Google於醫療領域的布局，除了在企業端有與各大醫院的合作，自2018年底成立、沉潛多時的Google Health團隊，便在稍早的Google I/O上，發表了他們第一款面向消費者的醫療App。

這款App可以透過影像推斷皮膚、頭髮或指甲的狀況，能夠辨別288種可能的狀況，但Google也強調這並不是醫療診斷，只是幫助用戶快速了解可能的狀況，免去在網路上費時搜尋的麻煩。

Google Health醫療長德薩沃（Karen DeSalvo）表示，非常多人會在Google上皮膚相關搜尋的問題，每年搜尋次數約有100億次，因此Google才決定推出一款能夠協助辨別皮膚狀況的App。

App的演算法經過上百萬張圖像訓練，能夠在考慮到種族、年齡、皮膚類型等因素。在對約1,000張不同病患的皮膚圖像進行識別時，有84%的情況能在前三項建議中就給出正確的答案。

Google預計會在今年底前正式推出這項服務，可以想見以這款皮膚診斷App為起點，未來Google可能將推出更多面向一般民眾的醫療服務。

醫療商機潛力大，科技巨頭都想分一杯羹

儘管醫療領域進入門檻也相對來得高，但像Google這樣擁有豐厚資源的科技巨頭們，也紛紛盯上這塊市場，試圖從不同角度咬一口這塊大餅。2019年全美花費在醫療照護領域的金額已高達3.81兆美元，預估2028年時將達到6.19兆美元，並佔據美國GDP近20%，顯見醫療市場的驚人潛力。

亞馬遜就是其中最為積極者，去年11月便正式推出線上藥局服務，提供客戶線上訂藥、送貨到府的服務，以及24小時的線上專人諮詢，並給予沒有保險的民眾最高80%的購藥折扣。

近期又傳出更進一步的消息，如同在電商領域的作法，亞馬遜正在討論將藥局服務從線上發展至線下，在美國開設實體的亞馬遜藥局，並考慮是在既有的全食超市門市增設窗口，又或者是單獨成立新的藥局門市。

只不過這仍是比較初步的討論，最終是否會付諸實行還有待觀察。且外界認為實體藥局需要多位藥劑師等專業人員，經營成本較高，投資回報還不是很明朗，除非有與線上服務更密切整合、串連的辦法。

另外，目前主要為員工提供的遠端健康諮詢服務Amazon Care，也計畫在今年內拓展至全美範疇，甚至為其他企業提供服務，協助照顧外部公司員工的身心健康。在疫情期間遠端醫療變得更為普及且需求熱烈，而亞馬遜計畫向其他公司提供服務，也是看準了這一點。

蘋果則藉由Apple Watch作為踏足醫療市場的橋樑，至今推出包括心電圖、血氧濃度等多種檢測功能，先前也傳出蘋果計畫在下一代Apple Watch中添加血糖檢測功能，並早在多年前就開發healthKit、ResearchKit等能夠儲存、蒐集醫療資訊的服務。

而身為雲端大廠的微軟，也在去年推出了醫療雲端服務Microsoft Cloud for Healthcare，為醫療院所提供服務。今年4月更砸下近200億美元收購AI語音技術公司Nuance，計畫整合進醫療領域的應用當中，並預估在醫療市場的潛在商機將達到5,000億美元。甚至近日登場的Microsoft Build活動上，微軟也揭露了Hololens遠距看診的新應用可能性。

不過，由於醫療領域的難度及門檻，也並非所有踏入這塊市場的科技公司都能獲得回報，IBM今年就傳出計畫出售虧損連年的智慧醫療部門Watson Health部門，從AI醫療市場脫身。

資料來源：[華爾街日棒][1]、[The Verge][2]、[CNBC][3]

責任編輯：蕭閔云
[1]: https://www.wsj.com/articles/google-strikes-deal-with-hospital-chain-to-develop-healthcare-algorithms-11622030401?mod=djemalertNEWS
[2]: https://www.theverge.com/2021/5/18/22440754/google-health-ai-skin-condition-model-dermatology
[3]: https://www.cnbc.com/2021/03/17/amazon-is-expanding-amazon-care-telehealth-service-nationally-for-employees.html

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。