【經濟日報 / 記者洪紹晏 報導】 根據健保署統計分析，民國105年健保支付檢查項目總計費用支出達688億點，位居前20大排名，主要以電腦斷層造影花費最高，計支出92億點，次為超音波檢查，支出90億點，磁振造影計支出58億點。自87年到105年以電腦斷層造影之歷年費用由31億點到92億點成長比率達196.7%，磁振造影在同期也從13億點增加到58億點，成長趨勢明顯。 據行政院衛生署科技研究計畫分析報告摘要，針對某醫學中心為例，針對收集放射線判讀報告修改事件統計分析，自2004年9月至2006年6月共297例，並將修改原因分為「閱片太快」、「行政疏忽」、「配合臨床」、「獲得其他資訊」與「不良影像」五大類。結果顯示報告一般X光檢查因「閱片太快」修改報告比例最高（占38.4%），CT/MRI 報告修改最主要的原因是「獲得其他資訊」（占41.2%），其他類別的檢查中以「行政疏忽」最常見（占37.5%）足以證明在醫療糾紛上會有一定的影響，因人為因素導致錯誤或疏忽判讀率高達四成，造成很多人將醫師當成神，以為醫師絕對不可能出錯，但事實上，醫師也是人，也有注意力不集中、醫療專業不夠，甚至是錯誤的時候；另有一項統計顯示，全球的醫學診斷高達7?40％的誤診率，其誤診率之高是令人難以想像，病患無法預期得知正確診斷，延誤黃金治療期或病患對自身狀況確實有疑慮，進而重複檢查浪費醫療資源。 有鑑於全球放射醫療最高達40％誤診率，競業董事長暨研發長邱維安表示，該公司研發團隊的核心技術是以大數據分析結合深度學習演算法，應用於AI影像辨識分析運算抽離可能影響人為誤判部位，更精準標示出主要關聯性部位，輔助專業醫師聚焦異常部位，經由專業醫生依專業經驗判讀交叉比對處理後，提供醫生與病患更簡易的精準分析診斷結果，藉由醫療影像AI輔助判讀，透過教導、訓練電腦系統學習人腦，看懂醫學影像，達到判讀診斷AI化的醫療新境界。判讀診斷AI化的訓練方式是提供大量影像資料、經過篩選與圈註的高品質影像資料，教電腦分辨不同型態的部位腫瘤及影像特性，未來AI能幫專業醫師從每次檢查動輒數百、數千張醫療影像中迅速過濾篩選出關鍵影像及部位，協助診斷參考比對，再進行部位分析、抽離部位不必要影響判讀的影像。 醫學影像分析初期必須與放射科專科醫生交互學習，透過深度學習讓系統建立多分析模組，利用大數據教導AI建立基本的分類標準協助影像判讀提升精準度，讓影像判讀AI系統運用在不同部位不同的問題逐一分析出比對相近的模組，也就是說，當患者檢查產生影像後，可先交由醫療影像AI輔助判讀系統進行初步篩檢，輔助專科醫師找出有助於臨床診斷的影像資料，再交由專科醫師進行專業判斷把關。這不僅有輔助專科醫生縮減看片的工作時間、提升工作品質、降低醫療糾紛、降低人為疏失、降低醫院管理成本、降低政府醫療費用支出、降低保險公司理賠成本支出、患者更清楚知道病情無須浪費重複檢查之時間與成本支出，更重要能適時的追蹤專業醫師判讀完成報告後，是否遺漏具臨床重要性的病灶。 全世界科技一直在進步，數位化下的世紀，人工智慧（AI）的導入趨勢與整合應用，持續提升在多方領域上發展，智慧醫療已成為全球科技發展趨勢上最熱門的關鍵技術之一，在智慧醫療應用的發展正處於起步階段，礙於醫療是非常專業的領域，再加上導入資訊化有諸多的困難點，對於政府在法令上的管理，確實讓台灣的發展延緩，基於台灣先天的優勢，擁有全世界的半導體產業鏈及引以為傲的醫療專業貢獻，在未來的智慧醫療來臨，相信應該可以再創台灣奇蹟，讓台灣發光發熱。競業與南部醫學中心進行多項嘗試性整合，不管在設備醫療資訊大量收集導入物聯網醫療環境，針對醫務管理上透過私有雲建置完成多項整合性應用，也透過系統商合作開發醫療機構專用電腦設備及相關週邊設備，解決問題透過智慧醫療能有效減少醫師的勞力負擔，讓醫師把寶貴的時間和有限精力多花在與患者的互動、治療討論的決策共享上，共創醫生、患者與政府醫療的多方的醫療專業服務。歡迎有志一同產官學研社的夥伴一起加入競業智慧醫療團隊，為台灣在智慧醫療上也能站上舞台，成為下一個台灣之光努力。