「大家好，我是你的老朋友孫越。」擁有一副溫暖嗓音的的公益藝人孫越，可說是臺灣聲音辨識度最高的人之一。如果對於他出現在電視上倡導公益、戒菸的身影有印象，想必也不會忽略他的聲音總伴隨著一點咳嗽聲。孫越有曾有過長達 37 年的菸史，儘管後來戒菸，也長年為慢性病「慢性阻塞性肺病」（Chronic Obstruction Pulmonary Disease, COPD）所苦。慢性阻塞性肺病，是種相當常見的慢性呼吸道疾病，為國人十大死因之一，更每年在全世界奪走超過300萬人的性命。
&nbsp;
[data-component=gallery]
研發預測系統 避免急性疾病惡化
「COPD 患者的肺就像是水管系統裡有生鏽。」率領團隊研發「AECOPD 發作預測系統」的臺大資工系賴飛羆教授解釋。COPD 患者的呼吸道長期有堵塞，造成患者無法順利呼吸，會有咳嗽卡痰、呼吸不易、容易喘的情況、甚至可能常常發生肺部感染。現階段的醫療無法完全根治 COPD，但是如果能接受適當的治療、妥善控制，就有機會減緩症狀以及惡化的速度。而對於 COPD 的患者來說，最需要避免的，就是肺阻塞急性惡化（Acute Exacerbation of COPD, AECOPD）。這類的急性惡化對於未來的病程有很大的影響，會加快肺功能衰退的速度，對患者的生活品質造成負面的影響，甚至對於嚴重的患者會大幅提高其死亡率。之前針對COPD的研究曾經指出，如果能有照護系統，醫護人員長期介入諮詢，調整用藥、生活作息、增加走路步數等，將可避免急性惡化的發生。
&nbsp;
賴飛羆教授率領團隊研發「AECOPD發作預測系統」，藉由統合患者生活型態、生活環境與臨床的資料，收集了 110 位患者，累積從 2019年3月至 2020 年 8 月長達 18 個月的資料量，以 AI 系統進行預測接下來一週內急性惡化的可能性，準確率高達 93.5％。系統並提供專屬衛教功能，由數值發現患者有緊急聯絡需求的時候，就會自動通知醫院端，以提醒患者、家屬多加注意身體狀況。賴飛羆表示，穿戴式裝置特別適合用來追蹤 COPD 這類患者的生活型態與身體狀況，因為可以即時記錄走路步數、心率、睡眠品質等資料：「包括他走了幾步、爬幾層樓、走了多遠的心跳狀況，這邊都可以算出他的活動量」
&nbsp;
多方資料收集 隨時監測身體狀態
醫院用來衡量病患狀況的方法有很多，但多有所侷限，如評估心肺耐力的「六分鐘行走測試」（Six-minute Walking Test, 6MWT）、運動心肺功能測試（Cardiopulmonary exercise test, CPET），都需要有專業的醫護人員協助執行，較難如穿戴式裝置，得以時時衡量、關注患者狀況，即時應用於預測系統中。而要達到預測的功能，就不能忽視可能會誘發 COPD 急性惡化的生活環境因子。生活環境中，又以空氣品質的資訊對於了解 COPD 患者的狀況最為重要，需要貼身記錄，該如何獲得呢？賴飛羆團隊採用空氣盒子聯網，「空氣盒子每6分鐘，就把家裡的空氣狀況回傳到電腦中。」除此之外，系統還串連著氣象局與環保署的資料庫，隨時記錄溫度、濕度、紫外線強度、空氣品質的資訊，納入預測系統中。預測系統結合環境資料庫、即時IoT 監測、病患臨床病歷等，這樣的資料量豈不是很龐大？賴飛羆表示，現行的系統採機器學習，正是需要這麼多的數據才能夠做出準確的預測。
&nbsp;
資料收集的部分，生活習慣的資料會經由穿戴式裝置，系統串接Fitbit API、Garmin Companion SDK，以PostgreSQL與InfluxDB 建立資料庫；環境資料的部分則與即時開放API （real-time open API）進行串接，再集合病歷資料。目前收集的數據，使用機器學習的隨機森林 （Random Forest） 與深度神經網路 （Deep Neural Networks, DNN） 進行演算，對於患者一週內急性發作的可能性，可獲得相當不錯的預測效力。而「AECOPD發作預測系統」提供服務的同時，也持續收集資料，並且擴及服務到台大醫院北護分院、耕莘醫院等，希望也能讓更多病患受惠。2015年，美國總統歐巴馬提出精準醫療的願景。精準醫療需要結合<a href="https://www.charmingscitech.nat.gov.tw/post/202103003-2">基因</a>分析、環境資料以及生活型態，提供個人化、最佳化的醫療照護。賴飛羆認為由於物聯網、定序成本降低等大環境的發展，精準醫療將漸漸步上軌道，而其中，資訊相關的人才就扮演了關鍵的角色。
&nbsp;
跨足醫療與資訊 協助醫療問題
要同時跨足醫療與資訊，會不會很困難？「最重要的，是從做中學。」長期浸淫醫療資訊領域的賴飛羆，表示兩者間的確有很大的鴻溝需要跨越。他也鼓勵有志於由資訊領域往醫療資訊發展的同學，應當勇於挑戰，在打好資訊能力基礎的同時，由小計畫開始，協助解決醫療現場的問題。賴飛羆主持的「臺大醫神──精準醫療人工智慧輔助決策系統」，團隊包括臺大基因醫學團隊、臺大資訊工程團隊，目標是整合電子病歷涵蓋醫療、護理、檢驗、影像及復健的資料，建立完善的大數據庫，並以資料探勘及機器深度學習等技術，探討基因與疾病表現，「雖然說做資訊的人不像醫生可以做出醫療診斷，但現在要加快工作內容，就需要電腦的參與。」賴飛羆分享，像是以往醫師需要耗費大把時間判讀影像，才能夠診斷腫瘤，現今經過機器學習的影像辨識系統，已經可以做到不遜於醫師診斷的準確度，並且評估速度非常快速。產出結果後再由專科醫師進行進一步確認判讀診斷，可說是增進醫療體系效率的一大利器。
&nbsp;
另外一個透過資通訊技術加速醫療工作效率的重要案例，則為賴飛羆長期發展的自動化電子病歷及醫學數據分析處理。聚焦發展的項目之一為「ICD10的自動編碼」研究，因醫院需完成病歷「診斷碼」、「處置碼」編碼建檔才能申請醫事費用，目前主要由經專業訓練的病歷編碼師檢視電子病歷內容做處理，但每個案例費時甚長，也造成相關人力需求壓力極大。現階段以AI執行自動編碼，需克服的問題尚有很多，如臺灣的病歷書寫常混雜中英文、拼寫錯誤與縮寫簡寫難以判讀、用詞缺乏一定標準而增加複雜性、ICD10有許多冷僻編碼太過少見等，均使得應用AI將病歷準確生成診斷碼與處置碼，具備一定的難度。現階段使用自然語言處理 （Natural Language Processing），以Word2Vec、BioBERT、BERT等預訓練模型 （Pretrained Model） 進行處理，目前僅達61％的準確率；但如果可進一步提升準確率，將可望協助病歷編碼師快速完成工作。
&nbsp;
運用資通訊技術，協助「精準醫療」的發生，即是賴飛羆主持的「臺大醫神 – 精準醫療人工智慧輔助決策系統」的主要目標。除了如「AECOPD發作預測系統」的系統，臺大醫神的研究目標還包括肺癌、肝癌及敗血症等疾病，並且已經在罕見疾病基因變異、腦瘤影像診斷、皮膚癌影像診斷上獲得很好的成果。未來的精準醫療，有可能可以做到什麼地步？賴飛羆觀察，5年內將有機會藉由基因體與生活習慣的數據資料，針對個人預測慢性病如癌症、心臟病、腎臟病的發生、病情演變，甚至提供治療建議。當然剛開始相關的服務費用遠非一般人所能負擔，但逐年進步推廣，賴飛羆推測精準醫療將有機會在15年內應用到一般人身上。在精準醫療的體系之下，透過資通訊系統的串接，醫生對於病人的生活習慣、體質、過往病史以及近期的生理變化等資訊將有更通盤的掌握，也將有機會針對個人打造療程與用藥，不只「對症下藥」更是能夠精準地「對人」做出最佳化醫療處置。
[data-component=gallery]
&nbsp;
（客座總編輯 | 成大醫院院長 沈孟儒；研究顧問團隊 | 國立陽明交通大學生物醫學資訊研究所教授 吳俊穎、林口長庚醫院肝膽胃腸科主治醫師 林俊彥、臺大醫院基因學部暨小兒部主治醫師 胡務亮；責任編輯 | 段芊卉、葉于甄）

將穿戴式裝置收集資料上傳至AECOPD 發作預測系統，隨時進行監測。資料來源 | 賴飛羆教授提供