0 %

This is my archive

bar

照1次CT預測4種疾病!北醫秀AI新技術 機器人醫療大軍上場

原刊登於TVBS 許稚佳 北醫於台灣醫療科技展出人工智慧多模影像精準健康平台。(圖/院方提供) 台灣醫療科技展今(1)日起一連四天在台北南港展覽館一館展出,台北醫學大學附設醫院帶推出機器人醫療大軍,包括台灣第一個通過美國FDA審查的微創手術機器人系統、首座具高中低階復健機器人的機器人復健中心,另外,也展出人工智慧多模影像精準健康平台,一張電腦斷層影像就可預測4種疾病,還有可全自動調整及監控點滴量的智慧輸液幫浦系統。 北醫今年成立台灣第一個擁有高中低階復健機器人的多樣性機器人復健中心。(圖/院方提供) 北醫附設醫院長邱仲峯指出,過去3年新冠肺炎疫情改變生活型態,各種標榜「零接觸、自動化」的防疫設施應運而生,其中AI人工智慧、機器人的概念也在醫療產業中茁壯躍進;近年來院方大力推動智慧醫院,引進台灣自製的尖端機器人手術導航系統,更設立全台灣第一個具有高中低階復健機器人的機器人復健中心,同時啟用高端智慧輸液幫浦等,展現醫療軟實力。 此外,與合作的Deep-Lung人工智慧多模影像精準健康平台正式上線,讓AI大數據醫療不僅是理論,更是醫療場域的現在進行式;台北醫學大學副校長暨研究計畫主持人陳震宇表示,「Deep-Lung 人工智慧多模影像精準健康平台」是一套全方面AI放射科醫學影像的早期胸腔疾病篩檢輔助系統,可從單一組3D低劑量胸腔電腦斷層掃描(LDCT)影像,針對心、肺、骨做演算法,提供肺癌、肺氣腫、冠狀動脈鈣化、骨質疏鬆等四種疾病早期篩檢服務,是全球首創的服務。 陳震宇指出,因應台灣人口老化加速,預測未來政府將逐步有條件開放補助包含低劑量電腦斷層掃描等篩檢,屆時將對放射師及診斷科醫師造成極大工作負擔,此外,病人重複進行不同部位的斷層掃描,有過度暴露輻射的風險。透過人工智慧協助,可讓電腦斷層掃描影像的判讀時間由15分鐘縮短為2分鐘;且病人僅須拍攝一次低劑量胸腔電腦斷層掃描,減少輻射接觸量。 金榫手術導航機器人輔助系統,協助醫師完成精密的脊椎手術。(圖/院方提供) 「君凱捷複合手術導航系統」則是一套涵蓋從術前規劃、影像導引的高精準度導航系統,已獲衛生福利部食品藥物管理署上市許可,結合複合手術室高階影像設備,取得病人術中照影,重建影像模型,供醫師規劃、模擬、實施脊椎微創手術,達到失血量低、恢復時間快的微創醫療目標。… Read More

僅需拍一次電腦斷層 北醫附醫直接秀4疾病篩檢結果

原廣告於聯合報 陳雨鑫 台北醫學大學附屬醫院推出「深肺人工智能多模影像精準健康平台」,患者只需一次低劑量胸腔電腦斷層掃描(LDCT)即可提供肺癌、肺氣腫、冠狀動脈鈣化、骨質疏鬆等4種疾病的早期篩選服務。記者陳雨鑫/攝影 台北醫學大學今年在醫療科技展以「智慧醫療・創新永續」翻轉,結合一校六院的特色,展示亮點項目。台北醫學大學附屬醫院以AI人工智能為發展主軸,展示「深-肺部人工智能多模影像精準健康平台”,病患只需照一次電腦斷層,即可分析四種疾病的早期篩選結果,能大幅降低病患的輻射照射量。… Read More

全球首創「一張電腦斷層預測4種疾病」 北醫一校六院展現特色醫療

原刊登於中時新聞網 王家瑜 「Deep-Lung 人工智慧多模影像精準健康平臺」正式上線,病人僅需要拍攝一次低劑量胸腔電腦斷層掃描,透過人工智慧運算及AI模型的幫助,即可預測肺癌、肺氣腫、冠狀動脈鈣化、骨質疏鬆等4種疾病。(北醫附設醫院提供)   臺北醫學大學副校長陳震宇研究團隊研發「Deep-Lung 人工智慧多模影像精準健康平臺」,一張低劑量電腦斷層掃描即可預測4種疾病,準確率可達9成,是全球首創的服務。(北醫大提供)   智慧輸液給藥系統」透過電腦綁定,確認病人、執行護理師及注射部位,精準控制輸液速度,更可將醫囑、藥品、病患、藥典庫資訊進行同步比對,大幅提升輸液安全。(北醫附設醫院提供) 2022台灣醫療科技展今(1)起連續4天在台北南港展覽館一館展出,臺北醫學大學暨醫療體系今年結合一校六院特色,共展出29個亮點項目;其中一大亮點是北醫附設醫院展出的「Deep-Lung人工智慧多模影像精準健康平台」,運用一張電腦斷層影像,就可預測肺癌、肺氣腫、冠狀動脈鈣化、骨質疏鬆等4種疾病。 北醫附設醫院院長邱仲峯表示,過去三年新冠肺炎疫情改變生活型態,各種標榜「零接觸、自動化」的防疫設施應運而生,其中AI人工智慧、機器人的概念也在醫療產業中茁壯躍進。… Read More

及早篩檢! 7成肺癌初診已晚期 AI技術快速精準揪病情

原刊登於健康醫療網 肺癌堪稱「新國病」,根據最新衛福部國健署癌症統計報告顯示,肺癌第一次診斷為晚期比率將近七成,兩年平均存活約15%,惟有早期篩檢才有機會提高預後。中華民國放射線醫學會理事、臺北醫學大學副校長陳震宇教授表示,現今科技越來越進步,台北醫學大學附設醫院研發「肺癌臨床智能決策輔助系統」,於診斷、治療及預後的決策,透過導入AI技術,更快速且完整評估患者狀況,有效提高診斷正確性,並精準治療,提升存活率。 7成患者第一次診斷已「晚期」突顯早篩重要性 醫界觀點一致認為,肺癌在十大癌症中,發生率高居第三,五年致死率最高的也是肺癌。肺癌早期並無症狀,且台灣約7成患者,第一次診斷時已「晚期」,陳震宇副校長說明,晚期的意義是不能開刀,只有早期才能開刀,因為晚期開刀並不會存活更久,因此需進行輔助療法,例如放射治療、化學治療、免疫療法及標靶治療,若藥物無法有效治療,患者必須選擇進行臨床試驗,嘗試新藥。 陳震宇副校長研發團隊合影,左起張資昊資訊長、許明暉數據長、陳志榮教授、陳震宇副校長、黎阮國慶老師、蕭世欣主任 傳統胸部X光、電腦斷層 仍有死角與困境 陳震宇副校長表示,「早期肺癌可能毫無症狀,這是診斷的困境。」一般人健檢時,會照胸部X光,但若是對於早期肺癌診斷率偏低,尤其是「毛玻璃狀病變」,X光基本上看不到。另外,心臟與肋骨可能會擋住一部分肺臟病灶形成死角,但是胸部X光在健檢仍然有其角色,可同時評估心臟大小,肺感染等。 因此,現今肺癌篩檢,大多使用低劑量電腦斷層掃描(Low-Dose computed tomography, LDCT),速度極快,約十秒鐘可掃描完畢且無死角,跳脫傳統症狀學限制、如醫師聽診及胸部X光的困境。然而,陳震宇副校長表示,由於肺部LDCT檢查將會產生約300多張約1毫米厚的影像,跟頭髮一樣細,大量影像相當考驗醫師眼力,因為肺臟有許多血管,呈現許多小點,有時會誤判成結節,產生假陽性,使病人後續做不必要檢查。」 陳震宇副校長(左二)2021年度未來科技展 北醫導入AI技術 快速精準判斷基因變異、良惡性等 肺癌必須早篩,應使用最有效率的診斷工具,以及提高診斷正確性,避免假陽性。對此,台北醫學大學附設醫院發展「肺癌臨床智能決策輔助系統」,於幾秒鐘內從300多張影像中,精準揪出結節位置,同時亦以3D立體的方式,描繪結節邊緣。陳震宇副校長指出,「使用放射組學(radiomics)技術,原先影像呈現的結節可以被擷取出成千上萬點的資訊,再加上系統已經有4-5千例肺癌病人分析影像做組學比對,可進行AI機器學習訓練,以自動判斷患者肺節結是否為惡性。」 陳震宇副校長進一步表示,近期研發的軟體,甚至可判定影像所觀察到的腫瘤是否有致癌基因突變。末期患者不能開刀,通常先尋求化療或標靶藥物,讓腫瘤縮小到一定程度後開刀,有機會延長壽命。尤其標靶藥物,需先將癌組織進行腫瘤基因分析,找出基因變異,大多數患者中,最常見為「EGFR基因突變」,找出EGFR突變非常重要,因為有較多可以選擇的藥物進行「精準治療」。而LDCT導入AI技術,有七成五的機會揪出基因突變;良性或惡性為八成;九成可逮到肺癌位置。… Read More

DeepRad.AI四大疾病模組,一次預測骨鬆、肺癌、COPD和心臟冠狀動脈鈣化風險

原刊登於新創幫 臺北醫學大學人工智慧醫療研究中心由陳震宇副校長帶領,開發出人工智慧多模影像精準健康平台-「Deep-Lung」,只要進行一次胸腔低劑量CT取像,就可透過自創的AI模型同時預測骨鬆、肺癌、慢性阻塞性肺病和心臟冠狀動脈鈣化的風險,準確率超過9成,並可自動產出符合國際標準的建議報告,為全球首創。負責平台整合的醫師陳彥廷表示,在醫院端驗證時,這個平台已經多次揪出臨床醫師未能標註到或是漏掉的肺部結節… 臺北醫學大學的人工智慧醫療團隊即將再衍生一家新創公司DeepRad.AI,將已開發的全球第一個可從單一組低劑量肺部斷層掃描即可同時對心、肺、骨中的四種疾病做早期篩檢的軟體平台–「Deep-Lung」人工智慧多模影像精準健康平台積極推廣應用!Deep-Lung目前共推出四大模組: 肺結節模組(LungRads) 即肺結節自動偵測判讀系統,包含結節偵測模型、結節分割模型、結節良惡性分類以及LungRads自動報告模型等部分,可分別提供多結節的位置偵測(敏感度94%)、準確測量結節大小(準確度Dice係數為81.39%)、進行肺結節良惡性分類(準確率約98%),最後模組會綜合以上結果自動產生包含肺結節質地、形狀、大小、位置以及符合國際肺結節分類與處置標準的LungRads完整文字報告,此為國內首創。這個模組的訓練資料是從科技部巨量影像計畫所得將近6,000例蒐集自北醫附醫、雙和醫院及萬芳醫院的肺結節影像資料庫,且透過專科醫師針對每個肺結節嚴謹標註,標註內容包括107項影像圖譜學特徵、47種語意標註與對應的病理報告。 ※圖為「Deep-Lung」AI平台介面。(照片來源:臺北醫學大學提供) 心臟冠狀動脈鈣化模組(CAC) 可做到自胸腔低劑量CT直接預測出幾乎等同自標準心臟冠狀動脈高劑量電腦斷層影像所得的心臟冠狀動脈鈣化指數(Coronary Artery Calcifications score, CAC score),並依美國心臟學會標準給予心血管風險預測分級和健康建議。透過北醫附醫202筆病例和雙和醫院549筆病例的臨床驗證得知,本模組對於高心冠風險病人(鈣化指數大於400)篩檢的敏感度分別達到92%和92.7%。此外,本模組優勢為:與世界文獻所述相比,具有更佳的AI模型訓練資料集,亦即每個低劑量胸腔CT影像都有同一天所做高劑量心臟冠狀動脈CT影像所得的鈣化指數(取自北醫附醫的1621個病例)作為相關性評估的標準,因此具有更高的準確性與可信度。 肺氣腫模組(COPD) 可透過胸腔低劑量CT影像,做到精準分割肺葉並自動計算肺氣腫嚴重度指數(RA950: percentage of the relative… Read More

6小時變10分鐘!北醫Deep Lung 一次CT預測多病風險

原刊登於新創幫 臺北醫學大學人工智慧醫療研究中心由陳震宇副校長帶領,開發出人工智慧多模影像精準健康平台-「Deep-Lung」,只要進行一次胸腔低劑量CT取像,就可透過自創的AI模型同時預測骨鬆、肺癌、慢性阻塞性肺病和心臟冠狀動脈鈣化的風險,準確率超過9成,並可自動產出符合國際標準的建議報告,為全球首創。負責平台整合的醫師陳彥廷表示,在醫院端驗證時,這個平台已經多次揪出臨床醫師未能標註到或是漏掉的肺部結節… 臺灣人口老化速度日益漸增,國發會預估,2025年臺灣65歲以上老年人口占比超過20%,將邁入超高齡社會。根據衛福部統計,癌症為65歲以上人口頭號死因,其中肺癌高居首位,心臟疾病、慢性阻塞性肺病和跌倒事故亦名列前茅。有鑑於此,北醫大陳震宇教授帶領校級人工智慧醫療研究中心團隊開發出人工智慧多模影像精準健康平台-「Deep-Lung」,針對中高齡國人的醫療影像,提供All-in-One檢測,快速、精準評估肺、心、骨相關疾病風險。 ※圖為DeepRad.AI團隊執行長陳震宇教授。(照片來源:臺北醫學大學提供) 北醫的「Deep-Lung」引擎包含四大模組:LungRads模組、CAC模組、BMD模組、COPD模組,能有效的一次性評估中老年人在肺癌篩檢、肺氣腫現象、冠狀動脈鈣化和脊椎骨骨折的風險或程度,甚至可協助放射科醫師輔助診斷並產出報告與治療策略,陳震宇受訪時提到,該平台結合人工智慧技術,大幅改善以往放射師以肉眼進行斷層掃瞄的效率及正確率,而這也是未來發展個人化精準醫療的趨勢。 傳統上,肺、心、骨四項檢測與診斷時間總共需時近6小時,更會使病患接觸大量輻射,而透過Deep-Lung的All-in-One引擎,只要進行一次胸腔LDCT(低劑量電腦斷層掃描)的取像,再以其AI模型分析影像,大約10分鐘左右就能同時能檢測肺、心、骨問題並自動化提出臨床上的治療建議,減輕醫療院所人力需求,也大幅降低病人的輻射接觸量。 ※圖為Deep-Lung的AI多模影像精準健康平台概念圖。(照片來源:臺北醫學大學提供) 此外,該平台的模擬器是以商之器系統打造,可相容於大多數平台,直接與醫院PACS系統架接,醫師可直接使用產出後的報告,不改變現有臨床檢驗流程,也不需特別學習操作。未來該平台將持續擴建至國內外各大醫院放射科,並同時創建線上雲端網頁版供民眾使用。目前合作足跡已橫跨全球,除與北部雙和醫院、彰化基督教醫院合作以外,也與日本北海道大學及美國UCIrvine醫院進行臨床場域驗證。 然而,由於人口快速老化,未來醫療人力將減少20%以上,陳震宇也坦言,人工智慧的角色勢必將更加吃重。他提到,北醫未來在針對人口老化方面有三大布局,首先是透過人工智慧輔助針對亞健康時期進行篩檢。而第二大布局則是肺癌,除Deep-Lung平台外,北醫團隊再度打造全球首創「肺癌臨床智能決策輔助系統」,透過人工智慧分析臨床影像,結合基因資料,提供個人化用藥建議,可望大幅提高治療成效。第三大布局則是失智,根據布羅德曼分區(Brodmann area),大腦有40幾個功能區,而大腦皮質會因退化疾病而在不同的區域變薄,透過3D影像分析,加上年齡、性別等基因參數,就可以看出該種退化是屬於何種形式,進而預測是否未來是否失智以及可能發生失智的時間。 此外,北醫也和醫療科技新創雲象科技及其他多家企業合作,開發出AI輔助免人工標註全玻片判讀肺癌數位病理影像模型,將癌症病灶視覺化,以及「病理報告自然語言處理(NLP)自動判讀選藥建議系統」與「肺腺癌全基因用藥建議模型」。病人的病理報告出爐後,透過NLP技術從文字中分析臨床關注的50項特徵,再篩選出跟病患情況相似、且預後最佳的選藥治療建議。 陳震宇教授表示,該中心成立的淵源是北醫決定從研究型大學轉型為創新型大學,希望透過臨床上的轉移幫助病人,並以「以終為始」為初衷,也就是做研究先想著目標。該中心自2019年成立以來培養出200多個人工智慧研究團隊,目前成立了5家人工智慧新創公司,領域包括智慧醫療影像、智慧用藥安全、睡眠照護、精準健康、數位病理、智慧重症、骨質偵測系統等。除屢獲國家型計畫支持,也積極參與產學及跨國合作,目標是成為亞洲最具特色的AI醫療研究中心,甚至是打造AI醫院。目前團隊正積極爭取科技部價創計畫,期望持續擴大未來創新量能。而他也坦言,台灣目前法規窒礙難行,病患數據應用於商轉用途不易,加上募資困難,目前新創大環境還有進步的空間,如能結合ICT的產業能量,加上國際化的串接,相信能培養出更多如韓國Vuno、Lunit等從大學團隊成功產業化的新創公司。 ※圖為DeepRad.AI團隊合影,右3為團隊執行長陳震宇教授、右4為營運長陳彥廷醫師。(照片來源:臺北醫學大學提供)… Read More

肺癌診斷治療AI來幫忙 北醫團隊全球首創「智能決策輔助系統」

原刊登於自由時報自由健康網 〔記者楊綿傑/台北報導〕全球首創!面對新國病肺癌,治療分秒必爭,由台北醫學大學團隊將臨床大數據整合AI,建構從診斷到治療用藥6項模型,涵括影像、臨床數據等全方位內容,耗時2年打造出「肺癌臨床智能決策輔助系統」,可提供醫師與病患診斷、用藥、預後評估,目前已投入臨床試驗。 根據國健署資料,肺癌在台灣發生率排名前三,而死亡率更是排名第一,5年存活率約26%,發現的時候常是末期。而肺癌治療決策需要多方面考量,包括診斷時的精準影像內容,治療及用藥所考慮的致癌基因變異等多項複雜因素,若能使用大數據和AI有助於早期決策,可提高醫療效能。 由北醫副校長陳震宇所組研究團隊,集合跨領域專家,在科技部支持下,將AI大數據加值,運用創新人工智慧肺癌模組,輔助臨床電腦斷層攝影與數位病理影像判讀,結合臨床數據與基因資料,領先全球開發出創新平台「肺癌臨床智能決策輔助系統」。 陳震宇指出,團隊開發的「全自動低劑量電腦斷層肺癌基因突變預測模型」可自動從300多張電腦斷層影像自動偵測腫瘤,並精確切割運算,判斷腫塊類型和可能的基因突變,自動報告肺結節的處理建議。 此外,並透過與雲象科技合作,延伸開發出「全自動數位肺腺癌病理基因突變預測選藥模型」,可快速自動標註,並預測表皮生長因子受體(EGFR)最常見基因的突變狀態,結合病理與千人臨床數據,有助於提早精準用藥。 團隊還開發「病理報告自然語言處理(NLP)自動判讀選藥建議系統」與「肺腺癌全基因用藥建議模型」,以人工智慧自然語言處理技術,輸入病人的病理報告即可自動得到存活率較高的健保與自費用藥推薦。並將治療效果和存活期做串聯,篩選出與病患相似且預後最佳的選藥治療建議,如同集合幾十個閱讀過上百份病理報告的專家共同所做的決策。 而對於晚期肺癌無法開刀或已經轉移復發,系統亦會自動將病人狀況媒合全球新藥試驗場域,讓病人有機會媒合最適合的臨床試驗,為患者帶來新興的治療方向。 陳震宇說,此計畫進入第三年,除了所開發技術模型已申請國內外專利中,也結合不同醫院進行臨床驗證,未來將朝向產品化發展,投入實際治療應用。… Read More

AI醫療新突破 台灣首創個人化肺癌智能決策輔助系統

原刊登於CTIMES 臺北醫學大學陳震宇特聘教授研究團隊,執行肺癌大數據精準醫療人工智慧系統計畫,以「早期預防、精確診斷、精準用藥」為目標,成功打造全台第一個醫病決策共享的「肺癌臨床智能決策輔助系統」(Clinical Decision Support System-Shared Decision Making, CDSS-SDM),榮獲最新一屆FUTEX未來科技獎與國家新創獎。 肺癌是台灣癌症的頭號殺手,唯有早期診斷、精準治療才能戰勝肺癌。肺癌治療決策需要多方面考量,臨床上肺癌早期診斷需要精準影像,治療與藥物選擇則需參考致癌基因變異等多重因素。肺癌從影像診斷的第一天起,病人就和時間賽跑,關鍵的前10天至少有4次檢查結果必須與經驗豐富的醫師共同討論治療決策,使用大數據和人工智慧有助於早期決策,提高醫療效能、達到肺癌精準臨床治療願景。 「肺癌臨床智能決策輔助系統」由臺北醫學大學與科技部攜手,集合跨領域生醫專家,將AI大數據加值,運用創新人工智慧肺癌模組,輔助臨床電腦斷層攝影與數位病理影像判讀,結合臨床數據與基因資料,成功開發出創新平台,讓肺癌早期診斷,個人化精準治療的醫病共享決策模式變成可能。 團隊開發的「全自動低劑量電腦斷層肺癌基因突變預測模型」可自動從300多張電腦斷層影像自動偵測腫瘤,並精確切割運算,判斷腫塊類型和可能的基因突變,自動報告肺結節的處理建議。 團隊更將電腦斷層預測結果和臨床大數據結合,透過肺腺癌病患醫療大數據和自動機器學習方法建立腦轉移、預後與藥物反應預測模組,當電腦斷層影像發現新發個案時,可立即預測腦轉移風險和選藥建議。 臺北醫學大學與臺灣醫療科技大廠雲象科技合作,開發可在全玻片數位病理浩瀚的細胞影像結構中,高速搜尋癌細胞並進行判讀之技術,並以此延伸開發全新的「全自動數位肺腺癌病理基因突變預測選藥模型」,可快速自動標註,並預測表皮生長因子受體(EGFR)最常見基因的突變狀態,結合病理與千人臨床數據,有助於提早精準用藥,相關成果,目前正積極申請海內外專利。 此外,團隊更以突破性技術開發「病理報告自然語言處理(NLP)自動判讀選藥建議系統」與「肺腺癌全基因用藥建議模型」,以人工智慧自然語言處理技術,輸入病人的一份病理報告即可自動得到存活率較高的健保與自費用藥推薦。並將治療效果和存活期做串聯,篩選出與病患相似且預後最佳的選藥治療建議。 對於晚期肺癌無法開刀或已經轉移復發,系統自動將病人狀況媒和全球新藥試驗場域,讓病人有機會媒合最適合的臨床試驗,為患者帶來新興的治療方向。… Read More

北醫 Deep-Lung 篩檢輔助系統成效佳 爭取 FDA、TFDA 認證

原廣告於iThome 因應台灣口快速增加,採取低劑量斷層掃描篩檢,將助達到預防疾病的效果。北醫開發的深肺篩檢輔助系統,提供肺、心及骨等疾病篩檢服務,大幅降低貨運工作負擔,未來取得台灣食品藥物管理局、美國食品藥物管理局認證後,可望在醫院落地應用。 根據國家發展委員會研究報告指出,目前台灣已正式進入高年齡社會,2025年將成為超高年齡社會。應對老年人口快速增加與疾病預防,政府將逐步有條件開放援助低劑量斷層掃描篩檢,未來醫院勢必需要投入更多人力於健康檢查中心及其他單位,屆時預約放射師及診斷科醫師造成極大的工作負擔。為此,台北醫學大學巨量中心團隊開發人力低劑量斷層掃描篩選輔助系統深肺,主要是鎖定胸腔CT影像,其中包含肺、心及骨的疾病篩檢服務。… Read More

健保25週年 副總統:持續推動智慧醫療、精準醫療

賴清德副總統今(27)日上午出席「健保25週年健保資料人工智慧應用研討會」,期勉健保署與相關部會持續與業界、醫界合作,提升臺灣健康照護跟疾病治療的品質,共同推動我國智慧醫療、精準醫療的發展。 副總統致詞時表示,早期臺灣社會常常發生因病而貧、因貧而病的悲哀情形。有感於此,證嚴法師蓋了慈濟醫院、王永慶先生蓋了長庚醫院、許文龍先生蓋了奇美醫院,不僅解決了家庭的不幸,也帶給國人許多感動。不過,一直到1995年3月1日全民健保開始實施,並且在醫界的共同努力下,我們才真正解決這些嚴重的社會問題。 副總統說,健保開辦至今25年,健保署一路走來相當不容易。在大家的共同努力下,我們不僅守護了國人的健康,也提供國人平等的就醫權利,國人滿意度高達9成,是歷屆政府裡最受民眾支持的一項公共政策,對社會的貢獻可見一斑。 副總統接著說,面對COVID-19疫情,健保署及醫界又搖身一變,扮演不同的角色。醫療人員是站在第一線捍衛國人健康的尖兵,中央流行疫情指揮中心是作戰指揮中心,健保署則是醫療後勤總部。在整個防疫過程中,健保署運用國人的健保資料,追蹤個案的旅遊史及接觸史,同時也協助政府發放實名制口罩,成功承擔起守護國人健康的重責大任。 談到健保署下一階段的責任,副總統期勉健保署與相關部會、業界、醫界共同努力,好好運用25年來,全民健保所累積的650億筆醫療申報資料,以及23億筆醫療影像資料,推動智慧醫療、精準醫療的發展。 副總統舉例,健保署與廣達電腦合作,共同發展「人工智慧醫療雲運算整合平台」,為人工智慧應用所需,提供了高品質的資料庫,對後續的智慧醫療發展,奠定非常重要的基礎。此外,健保署也與國發會「亞洲‧矽谷場域試驗計畫」合作,整理23億筆醫療影像資料,並在去年6月開放產學合作申請應用,今天現場即有相關展示,成果非常豐碩。健保署也與成大醫院的大數據團隊合作,應用胸部X光影像資料,建立人工智慧判讀模型,透過這樣的做法防治武漢肺炎,在黑客松比賽得到優等獎,值得高度肯定。 副總統認為,工業4.0及全球智慧化的時代已經來臨,這對臺灣來說是非常好的,因為我們有很強大的ICT產業,以及高水準的醫療從業人員。因應時代的要求,推動智慧醫療或精準醫療,是勢在必行的事情。對此,他期勉健保署及相關部會,持續鬆綁法令,開放試驗場域跟資料,同時要更積極地尋求意見,與醫界、產業界相互合作,協助生醫及ICT產業推動精準醫療與智慧醫療,提升臺灣健康照護跟疾病治療的品質,促進臺灣產業的發展,讓國家更為強大。 副總統強調,今天研討會的目的不僅在於治療疾病、提升醫療品質,也與健康促進、健康照護、疾病治療、產業發展,乃至於國家願景息息相關。因此,他除了要代表蔡總統感謝大家的努力,也要祝福研討會圓滿成功、成果豐碩,成為下一個階段推動智慧醫療的動力。 隨後,副總統參觀現場展示的研究成果,聽取成大醫院、臺大醫院及廣達電腦等團隊簡介如何運用科技技術與健保署資料,進行診斷、分析與研究。 包括衛生福利部中央健康保險署署長李伯璋、國家發展委員會副主任委員高仙桂、科技部次長謝達斌及廣達電腦董事長林百里等均出席是場活動。… Read More

This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.