靠分析醫療資訊,揪出保險詐騙,及早預測孩童病症

作者 | 發布日期 2017 年 05 月 12 日 13:05 | 分類 AI 人工智慧 , Microsoft follow us in feedly

醫療一直是大家重視的行業,不論是從業人員的素質,還是投注的資源都是名列前矛的狀況。如今進入資訊時代,病人資料也變成電子病歷資料的一部分,但其他可電子化處理的資料,在醫療場所上面的使用情況就沒那麼普及,到底是有什麼限制。微軟亞洲醫療事業部副總經理(Microsoft Asia Healthcare Lead)Danny Yang(楊啟平)要來談微軟在智慧醫療這一塊,究竟有什麼獨到的看法。




比爾‧蓋茲的遠見:醫療方案群

在 2008 年時,比爾蓋茲相當看重健康資訊,於是微軟這家軟體公司,在 2009 年組成 Health Solution Group 這個相當不傳統的部門,直屬比爾蓋茲,類似孵化器角色。Health Solution Group 找來不少曾在醫療現場的醫生參與。微軟也曾推出完整 HIS(Health Information System)方案團隊,專門販售相關方案,但後來經過重整,重新調整重心。其中最重要的一點是重視 Health Care Security。

蓋茲相當注重醫療資訊,但當年還處於剛萌芽,因此用特別的方式,讓 HIS 不必歸在微軟一般業務單位下。如今大家越來越重視醫療資訊這一塊,雲端方案也越來越成熟,漸漸 HIS 變成微軟的一般業務單位。

前面提到健康資訊安全,標準就是即便國家要求資料,平臺業者不能、也沒辦法弄到資料。儘管醫療機構還沒碰到國家要求案例資料,但也不是檢察官、警察隨意要求就可以拿到資料。

由於醫療是相當因地制宜的產業,醫療資訊要符合各地的醫療法規規範,還有資料保護法規。隨著雲端應用越來越普及,醫療資訊可能被雲端存取、運算,仍然需監管誰能存取病人的資料。醫療資訊的規範,有相當嚴格的 ISO-27002,美國有 HISPA,新加坡有 MTSC(The Multi-Tier Cloud Security),微軟都有通過這些規範。

除了分析大量病人的資訊,找出跟特定疾病的關聯之外,醫療場所的數據,還能幫助病人有更好的就醫體驗。像是從長期數據分析,找出病人就醫的高峰時間,協調更多醫護人員和行政人員。

AI 協助人找出保險詐騙和即早預測患病機率

不少國家由政府或公司提供醫療保險,難免有詐騙狀況發生。醫療保險提供者藉由機器學習,抓出可能的保險詐騙狀況。以往是由 30~40 人的團隊抓詐騙,轉由教 AI 怎麼找詐騙的方法,從 1,000 個保險申請案,由 20 個抓出有詐騙的申請案,從中抽出 10 個案子交給 AI 辨識。經過一段時間訓練 AI,變成先由 AI 抓保險詐騙,再人工覆核方式確認,省下不少時間。

AI 用在醫療本身也有相關例子。小孩辨識文字有困難,叫做失讀症(Dyslexia),常常要到小孩進入學校後才會發現,往往已經太遲了,需要花很多時間才能改善。用 AI 看小孩的眼球運動模式,能偵測小孩是否得到失讀症的機率,及早發現就能早期採取補救措施。

印度也有用 AI 判斷小孩散光的機率,不必做所有的散光測驗,就能預測小孩散光,能在低成本的狀況下,幫忙印度貧窮小孩及早找出有散光徵狀。

談到各國的狀況對醫療資訊的影響,政府往往在法規的解讀比較保守,因此對比較新的技術沒那麼快採用。新加坡曾進行一項實驗,將新加坡的醫療管理分成東西兩邊,西邊由企業背景的人掌舵,東邊由醫療背景的人來執掌。經過幾年後,發現西邊的醫院運作有效率,而東邊有相當先進的醫療技術。兩邊各有長處,因此新加坡分成 6 塊,保持每一地區都有強項,確保整體有多樣性的醫療表現。

此外聊天機器人技術用在不少場域上,在醫療方面,醫療 BOT 能 24 小時運作,病人想到什麼問題都可以問,分擔醫護人員的工作。

台灣如何在醫療資訊更精進

身為新加坡人,Danny 看台灣的狀況相當清楚。台灣的醫療相當好,健保保費低廉;台灣健保資料庫和人體健康資料庫相當完整,因此很寶貴,但資料運用上相當保守,只有少數人能用;健保資料庫並沒有所有有關的健康數據,如最近流行的運動手環,沒有記錄下來的運動數據,沒有個人的飲食記錄。

如果能在資料擁有者的同意下,整合後提供給個人使用,分析自己身體的健康狀況,或是提供給保險公司,證明自己夠健康,能跟保險公司討價還價,減少保險支出。

Danny 對醫院的建議是台灣醫院的電子化做得很好,但本質仍然一樣,輸出的方式仍然一樣。其實醫院需要從整體流程設計擁抱數位化,設計出以病人為本、方便病人的資訊方案。