健康與醫療資料的加值應用（四）：政府預計推動的電子化醫療政策？

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 作者／ 布萊恩‧柯尼罕（ Brian W. Kernighan）
• 譯者／ 李芳齡

網路的普及

回想第六章中敘述的電腦運算使用模式，你有一台或好幾台個人電腦，你讓個別應用程式執行不同的工作，例如用 Word 製作文件，用 Quicken 或 Excel 做你的個人財務，用 iPhoto 管理你的相片。這些程式雖可能連結網際網路以取得一些服務，但它們在你的電腦上運轉，你可以不時地去下載一個修補了漏洞的新版本應用程式，偶爾可能得購買一個升級版以取得新功能。

這個模式的本質是，程式和資料都在你自己的電腦上。若你在一台電腦上修改了一個檔案，然後在另一台電腦上需要這檔案，你必須自己做轉移。若你在辦公室或外出旅行途中需要一個儲存於你家中一台電腦上的檔案，那就麻煩了。若你需要在一台視窗個人電腦和一台麥金塔電腦（Mac）上都有 Excel 或 PowerPoint，你必須為兩台電腦各買一個程式。上面說的這些情況，還沒把你的手機包含在內哦。

另一種不同的模式是愈來愈普及：使用瀏覽器或手機去存取及操作儲存於網際網路伺服器上的資訊。Gmail 或 Outlook 之類的郵件服務是最普遍的例子，你可以從任何一台電腦或手機存取你的電子郵件，可以上傳一封在本機上撰寫的郵件訊息，或是下載郵件訊息至本機檔案系統，但多數時候，你把資訊留在提供服務的伺服器上。

你不需要做什麼軟體更新，但不時會有新功能出現。你通常是在臉書上跟朋友保持聯繫或觀看他們的照片，但交談及照片儲存在臉書，不是儲存在你自己的電腦上，這些服務是免費的，唯一可見的「成本」是當你閱讀你的郵件或查看你的朋友在做什麼時，你可能會看到廣告。

科技未來趨勢——雲端運算

這種模式通常被稱為「雲端運算」（cloud computing），因為網際網路被比喻為「雲」，沒有特定的實體位置，資訊被儲存於「雲端」的某處。

電子郵件和社交網路是最常見的雲端服務，但還有很多其他的雲端服務，例如多寶箱（Dropbox）、推特、領英、YouTube、線上行事曆等等。資料不是儲存於本機，而是儲存於雲端，亦即雲端服務供應商的伺服器上：你的電子郵件及行事曆儲存於谷歌的伺服器，你的相片儲存於多寶箱（Dropbox）或臉書的伺服器，你的履歷表儲存於領英的伺服器等等。

雲端運算的問世，得力於多個因素的匯聚。個人電腦變得愈來愈強大的同時，瀏覽器也是，瀏覽器現在能夠有效率地執行顯示要求很高的大程式，儘管使用的程式語言是直譯式的 JavaScript。對多數人而言，現在的頻寬及用戶端與伺服器端之間的延遲（等候時間）遠優於十年前，這使得資料的傳送與接收更快，甚至在你輸入搜尋詞時，當即反應你的鍵擊，在你還未輸入完之前，就列出一些建議的搜尋詞。結果是，以往需要一個單獨的程式去處理的絕大多數使用者介面操作，用瀏覽器就能搞定，在此同時，使用一台伺服器去承載大量資料，執行任何複雜運算。這種組織方式也在手機上運作得很好：不需要再下載一款行動應用程式。

以瀏覽器為基礎（browser-based）的系統的反應速度可以媲美以個別電腦為基礎（desktop-based）的系統，並且讓你可以從任何地方存取資料。

以來自谷歌的雲端「office」工具為例，它提供文書處理器、試算表、以及簡報程式，讓多使用者可以同時存取使用及更新。（譯註：以瀏覽器為基礎的系統又稱為 web-based，或稱「brower-server model」，簡稱 B/S 模式，指的是透過瀏覽器去使用網路上的軟體來執行各種工作；以個別電腦為基礎的系統又稱為 client-based，或稱為「client-server model」，簡稱 C/S 模式，指的是必須在每台電腦上安裝各種軟體來執行各種工作。）

雲端工具的快速崛起

一個受到關心的議題是，這些雲端工具會不會最終運轉得夠好而完全取代以個別電腦為基礎的版本。你大概可以想像得到，微軟非常關心這個，因為 Office 軟體佔該公司營收的相當比重，而 Office 主要在視窗作業系統上執行，微軟的其餘營收大多來自視窗作業系統。以瀏覽器為基礎的文書處理及試算表不需要來自微軟的任何軟體，因此將威脅到微軟的 Offic 及視窗作業系統這兩大核心業務。

目前，谷歌文件（Google Docs）及其他類似的系統還不具備 Word、Excel、及 PowerPoint 的所有功能，但科技進步史中充滿這樣的例子――明顯較差的系統問市，搶走認為此系統已經夠好的新使用者，漸漸侵蝕在位者的市場佔有率，並且持續改進本身的功能。微軟顯然很清楚這問題，實際上，為因應此問題，該公司已經推出雲端版本的 Office 365。

以網路為基礎（web-based，亦即以瀏覽器為基礎）的服務其實對微軟及其他供應商具有吸引力，因為易於採用訂閱收費模式，用戶必須持續付費以取得服務。但是，消費者可能偏好一次性購買軟體，必要時再付費升級。我目前仍然在我的較舊的麥金塔電腦上使用 2008 年版本的 Microsoft Office，它運作得很好（在此應該稱讚微軟），而且，它仍然偶爾獲得安全性更新，因此，我並不急於升級。

雲端運算仰賴用戶端的快速處理及大量記憶體，以及伺服器端的高頻寬。用戶端的程式是用 JavaScript 語言撰寫的，通常錯綜複雜。JavaScript 程式重度要求瀏覽器更新及快速顯示圖形資料，敏捷反應使用者的動作（例如拖曳）及伺服器的動作（例如更新的內容），這已經是夠難了，難上加難的是，瀏覽器版本與 JavaScript 版本之間的不相容性，需要雲端服務供應商找出傳送程式給用戶端的最佳方法。不過，伴隨電腦運算速度愈來愈快，以及更加遵從標準，這些都在進步中。

雲端運算可以在「於何處執行運算」和「處理過程中把資訊寄存於何處」這兩者之間作出取捨，例如，使 JavaScript 程式與特定瀏覽器脫鉤的方法之一是，在程式本身裡頭包含測試，譬如：「若瀏覽器是 Firefox 75 版，就執行這個；若瀏覽器是 Safari 12 版，就執行那個；若為其他瀏覽器版本，執行別的。」這樣的程式比較大，意味的是，需要更多頻寬來把 JavaScript 程式傳送至用戶端，而且，程式中增加的測試可能使瀏覽器運轉得較慢。另一種方法是，伺服器可以詢問用戶使用的是哪種瀏覽器，然後傳送針對這款瀏覽器撰寫的程式，這程式可能更簡潔，執行得更快，不過，對於原本就小的程式，差異可能不大。

網頁內容可以用不壓縮形式傳送，這樣，用戶端及伺服器端需要的處理工作較少，但需要較多的頻寬來傳輸；或者，用壓縮形式來傳送網頁內容，傳輸時需要的頻寬較少，但兩端需要增加處理工作。有時候，只有一端做壓縮處理，大型 JavaScript 程式經常被壓縮，移除所有不必要的空白，讓變數及函式使用一或兩個字母的名稱，壓縮後的程式是人類看不懂的，但用戶端電腦不在意。

儘管有技術性挑戰，若你總是能連上網際網路的話，雲端運算的優點很多。它們供應的軟體總是最新的，資訊儲存於專業管理的、有大容量的伺服器上，客戶資料隨時都有備份，幾乎沒有遺失的可能。一份文件只有一種版本，不會發生同一份文件在不同的電腦上可能有不一致版本的情形，而且，很容易即時共享文件及通力合作。雲端服務的價格很便宜，個人消費者往往可以免費取得，但企業客戶可能得付費。

——本文摘自《普林斯頓最熱門的電腦通識課》，2022 年 2 月，商業周刊。

（編註：）延續前篇關於「健康資料加值應用」與協作中心的介紹說明，本篇將再度回到健康與醫療資料議題的基礎上，從「電子病歷」與「智慧醫療」兩個面向的發展，了解當前政府預計推動的電子化醫療政策為何。

電子病歷

由於國內醫院病歷電子化的發展已經相當普及，在落實「全人健康照護」政策目標下，我國政府於 2008 年推動電子病歷實施計畫 。主要是針對協助各醫療院所推動電子病歷，使得醫療院所醫療作業資訊化及病歷電子化，降低管理成本，達到無紙化。

雖然醫療法第 69 條並無規範醫療院所一定要製作電子病歷，但是從下表中，我們可以看出臺灣目前病歷電子化的情況已經達到 8 成，病歷電子化已經是臺灣未來的趨勢。

不過對衛生署而言，最重要的目標是促進院際電子病歷互通。因此在 2010 年推動加速醫療院所實施電子病歷系統計畫，內容包括鼓勵及輔導醫療院所發展醫療作業資訊化、病歷電子化，更進一步推動院際電子病歷互通，減少病患重複檢驗檢查及用藥，並提升醫療資源運用效能。簡而言之，電子病歷的推行主要是下列三大階段：

院際電子病歷互通指的是在病患同意下，可以將其在 A 醫院的醫療影像及報告、血液檢驗、門診用藥紀錄或出院病歷摘要開放給 B 醫院使用，不僅節省民眾在申請醫療影像複製上的時間和金錢（一般情況下，要支付給醫院基本費／管理保存費與複製成本）、避免重複性檢查與用藥，且可以加速醫師診療決策時間，能夠盡早做出治療處置。而醫師只有在病患同意下才能調閱資料。

傳統病歷申請過程，民眾必須持身分證、第二證件（健保卡、駕照等），如果是申請病歷紀錄，則必須先看過門診醫師，意思就是必須要經過掛號、候診的時間，於門診時和醫師討論要申請的種類和件數、填寫病歷複本申請單，為申請種類不一，像是中文出院病歷摘多要 650 元，除了要支付當次門診掛號費（依醫療院所規模不一，150-200 元），另外還需要郵寄費。如果只是檢驗報告，可以直接到醫院服務台填寫病歷複本申請單，一份大約是 10 元。那如果是要申請 X 光片，按區域醫院的作法是，先到服務台填寫申請單，於預約時間到放射科申請，一片光碟通常是收 200 元，等候時間 30 分鐘到一小時不等。

電子病歷優於傳統病歷申請的地方則在於節省時間和一部份的金錢，並愛護地球（無紙化）。現行電子病歷主要分成兩種，一種是可攜式電子病歷，另一種是跨院電子病歷交換。可攜式電子病歷與傳統病歷申請類似，只是改成單一窗口，民眾不需要在門診、服務台、放射科或其他專科跑來跑去，只需要出示雙證件向服務台申請，醫院將電子病歷列印出來給民眾。然而還是需要複製病歷的費用，但是就不需要另外支付掛號費，並節省申請時間。

跨院電子病歷交換，現行政策主要指的是醫療影像和報告的交換、血液檢驗及用藥紀錄，民眾只要填寫書面同意單（七天內有效），表示同意乙醫院調閱自己的資料，在民眾健保卡和醫事人員卡雙卡同時插入後，乙醫院的醫師便可以從衛生署影像交換中心下載民眾在甲醫院的醫療報告與影像。或是從衛生署的電子病歷交換中心下載用藥紀錄和出院病歷摘要。

以下這張圖是闡述病患的醫療影像資料是如何流傳的。各醫院將影像資料放到一個 Gateway，而這個 Gateway 會儲存這些影像資料，如果民眾要申請可攜式電子病歷，醫院服務處的人員就會連線到 Gateway 下載。這些 Gateway 的索引檔（即民眾的醫療影像和報告的索引檔）會上傳到衛生署的影像交換平台，在病患的同意下，乙可以至影像交換平台查詢該病患是否在一年內有做過這些檢查。並可直接透過影像交換平台，至甲醫院進行下載醫療影像報告。

智慧醫療

在邁入 21 世紀之後，電腦科技成為主流，現今電子病歷制度已經運用到部份的雲端科技，我們可以想見未來健康資料庫的應用可能也會雲端化，所有的資料庫資料都會存在所謂的「醫療雲」上。到時候民眾要看診，也不需要帶健保卡，當場做指紋、眼角膜判定便可看診，醫師也不需要向其他醫院調閱你之前在其他醫院的看診病歷，只需要透過網路連線，從網路上的虛擬空間讀取你從小到大的所有醫療診斷記錄、X 光照影、藥物過敏史等等，便可以了解你個人的身體狀況，最近的服藥記錄，或甚至是以後就透過 SKYPE 等電腦視訊系統看診，民眾也不需要大老遠跑回家。或者，以後的老人照護制度，老人家不需要進入老人安養中心以獲得醫療人員、護士的 24 小時的照護和監測（以避免有任何不測），老人家可以待在他最熟悉的家裡或住所，身上穿健康衣或是戴偵測手環，一旦呼吸停止、心跳暫停等危急狀況，該健康衣或手環便可以向附近衛生所或是醫院發出訊號尋求支援。

然而健康與醫療資料庫的加值與應用必然有其相對的風險存在，像是病歷資料可能會外洩、遭受駭客入侵等等，因此本公民論壇的目的便是在於，當了解到健康資料庫現行以及未來可能成果和其所可能帶來的風險，令民眾在衡量孰輕孰重後，能有一更清晰的圖像。【待續】

＊ 補充：什麼是「雲端運算」（Cloud Computing）？

「雲端運算」這個詞彙最近蔚為風潮，相關的討論層出不窮。依據美國國家標準與科技局（National Institute of Standard and Technology）的定義，雲端運算指的是一種使用者可以隨時隨地利用載具，透過網絡連線進用各種服務（如網路、伺服器、儲存空間、應用程式）的新運算模式。

資料來源：本文節錄自《健康與醫療資料的加值應用公民論壇議題手冊》
作者與編輯群：呂宗學、邱伊翎、黃柔翡、馮瑜茜、呂家華、李宜卿、孫語辰
審定：呂宗學、林子倫、邱伊翎、徐子涵、陳再晉、黃旭明、滕西華

健康與醫療資料的加值應用公民論壇，希望促成社會公眾對「健康及醫療資料運用及加值」議題進行理性、知情的討論，形成公共意見以作為決策的參考。PanSci將在：

1. 8/17 的 PM 7:00-8:00
2. 8/17 的 PM 9:00-10:00
3. 8/18 的 PM 7:00-8:00
4. 8/18 的 PM 9:00-10:00

四個時段各舉辦一場線上論壇，歡迎報名參加！

論壇一：政府現有健康相關資料之加值，是否須先經個人同意或立法授權？
論壇二：健康資料庫加值應用之現況是否侵犯或有未能保護個人資訊自主及隱私之疑慮?
論壇三：健康資料庫加值應用衍生利益之歸屬:公有?共有?私有?
論壇四：總體討論(後續該怎麼監督)

＞＞前往健康與醫療資料的加值應用公民論壇的【網站】、【Facebook】、【線上報名表單】

作者：潘人豪助理教授，元智大學大數據與數位匯流創新中心

最近時常帶著來台灣受訓考察的外國朋友，到國內大型醫院做數位化醫院的介紹與教學。當中最讓人感到有趣的，就是這些來自發展中國家的朋友們，對台灣高度資訊化的醫療現場、醫院流程總是處處充滿著驚奇與讚嘆，但這些資訊化的醫院程序，對於居住在台灣的我們來說，彷彿理所當然般的熟悉，但，我們是否有曾經思考過，這些再普遍不過的醫院就醫流程，到底是怎麼發生在我們身活的周遭裡呢？

不知你是否曾想過，當你到醫院看病時，必須與所有病人擠在鐵閘門外彷彿沙丁魚罐頭般毫無秩序的等待著自己名字被呼喊，而醫生則彷彿珍奇異獸般在那保護周密的籠子裡幫人看診。不知你又是否能想像，當醫生要求你要拍攝 X 光片或檢驗時，你必須等到「改天」再回來「戶外」的放射間拍攝，隨後「改天」自行回來找你的 X 光片後，再「改天」重新化身沙丁魚回診讓醫生幫你看片做診斷，而這手沖的 X 光片，並沒有人會幫你分類保管，而是要你自己好好地攜帶保存，更不用說醫院會保存那屬於你的病歷資料。而這些才是屬於當地人們理所當然的日常生活。

在世界名列前茅醫療資訊高度發展的台灣，看診時從網路掛號、候診順序、診間病歷調閱、醫師醫令、處方開立，一直到放射影像存取、檢查檢驗資料儲存等等，無數的數據資訊悄悄的在我們沒有注意的時候在醫院各個角落中傳遞、交換、儲存，在你拍完 X 光片還沒走回診間時，X 光設備便已經透過光纖將你的資料送達儲存在資訊機房設備中，當你返回醫師診間時，醫生便能透過診間電腦進行調閱診斷。同時，大多數你的生理檢驗資訊，同樣的在你回診時得以從電子病歷中檢索。這些我們感覺理所當然資訊處理，在發展中國家甚至需要一個月時間才能完成所有步驟，但在台灣我們只要一天甚至一個早上便達成了！

這一切正是仰賴醫學資訊分析的與醫療大數據交換處理。醫學大數據的產生，主要歸功於醫療設備數位化及電子化病歷發展兩大領域的突破，透過儀器數位化（如放射設備、檢驗設備與電子訊號儀器等），醫院得以獲得更多病人疾病與健康資訊紀錄。然而在病人醫療診斷上，為了妥善紀錄病患個人資料、診斷資料與過往醫療紀錄、照護紀錄與前面提及的放射、檢驗結果等，即促成了電子病歷系統發展。

電子病歷的發展由過去由紙張紀錄抄寫、早期的數位化紀錄病人個人資訊、生理數據與疾病健康資訊紀錄的電子健康資訊系統（electronic health record，EHR），一路發展至目前國內醫療院所普遍使用，醫師可於診斷時在診間電腦進行病歷、檢查檢驗、放射影像數據等資料調用的病歷資料電腦化系統（computerized medical records，CMR），再到目前當紅發展，藉由設備間共通協定進行資料的交換串接，實現自動資訊蒐集的醫療記錄自動化系統（automated medical record，AMR），如自動化檢驗設備流程平台、移動護理資訊系統等等透過電腦自動化數據傳輸將檢體檢驗數據結果或是病人生理資訊，自動將該檢體與病人條碼自動配對與結果回傳儲存，取代以往的人工抄寫輸入流程。

醫學大數據發展的軌跡由過去紙張記錄、紙本資訊數位化、醫學紀錄儲存到現今多資訊整合，其數據量驚人的成長，不僅由過去個人社經資訊、診斷資訊等文字媒介，更擴展到多媒體影像資訊（X 光影像、高解析靜態影像）、動態視訊影像資訊（如磁振造影（magnetic resonance imaging, MRI）動態影像檔、內視鏡攝影）以及電訊號資訊，如心電圖（Electrocardiogram, EKG / ECG）、腦波訊號（Electroencephalography, EEG）等等，這些龐大醫學數據的彙集與高度整合技術能力，正是台灣醫學資訊發展超群的主因，同時更顯見醫學數據發展的多元應用與其重要性。

當今醫學大數據的發展趨勢，架構在臨床、非臨床、放射、檢驗、公共衛生以及醫療保險各領域之資訊彙整上，所衍生之各種分析、整合技術與服務，我們可以從麥肯錫公司（McKinsey & Company）於 2013 年所發表的 The “big data” revolution in healthcare 趨勢報告了解，未來醫學大數據發展及應用所朝向的五個目標，將鎖定在提供人們更佳的生活品質（Right living）、更安全的醫療照護（Right care）、更具水準的醫事人員（RIght provider）、產出更高醫療價值與降低醫療成本（Right value）以及更多創新（Right Innovation）醫療應用，其含括層次包含個人、醫事工作者、醫療單位、設施以及公共群體、政府政策與國際健康衛生，由下至上皆直接受惠於醫學大數據應用之發展，就像目前當紅的健保資料庫加值應用、穿戴式裝置的個人健康管理、遠距照護的資訊傳遞、個人保健雲，許許多多的創新應用都說明了醫學大數據未來的重要性與發展潛力。

在百花齊放的醫學大數據應用中，最後我們可以稍稍反思一下，依據 2012 年 10 月實施之新版個資法規範，如何確保隸屬於極端隱私的個人醫療資訊於大數據計算載體間傳遞並且符合個人資料保護原則、資料歸屬權與道德隱私等議題，相信會是未來醫學大數據發展的另一波衝擊與探討重點。當我們在享受就醫的便利與各種個人健康數據管理裝置、軟體的介入下，你是否開始認識自我資訊隱私的安全保護呢？

醫學大數據小辭典：

• 醫學影像存檔與通信系統（Picture archiving and communication system，PACS）：在過去紙本化醫療紀錄制度中，影像資料如X光片、電腦斷層掃描（CT）、核磁共振（MRI）、超音波影像，僅能由專業儀器或是直接沖洗底片才得以讓醫師進行觀察與診斷。因此病例管理便顯得特別重要，因為若無法有效檢索，影像底片自然無處可尋。因此在許多開發中國家，甚至採用膠片讓病患自行帶回的方式，自行管理以避免資料丟失。但在PACS系統的發展後，透過數位化影像擷取技術將過去需要做底片沖洗的過程直接以數位化方式取代，並採用網路進行存取，醫事人員得以在診間，甚至病床端直接進行影像分析與診斷，更避免了過去實體文件儲存所花費的高額成本。（資料來源：潘人豪助理教授，元智大學大數據與數位匯流創新中心）

• 電子病歷 （Electronic medical records，EMR）：紙本化手寫病歷是醫發展重要工具之一，透過對病況的紀錄與編撰，醫事人員得以瞭解該病患的疾病歷史、生理、心理狀況等資料，因此在醫師的訓練過程中，如何客觀評估病人狀態並給予正確診斷、處置並紀錄於病歷中，便是一門大學問，也因此發展出所謂的SOAP （ Subject, Objective, Assessment, Plan）紀錄方法。然而在醫院規模的成長，病歷的管理、儲存與調閱便越顯困難，在許多開發中國家甚至因為無法有效儲存，導致每次的看診都需重覆建檔，因而造成病人的醫療品質低落。而電子病歷便是因此而發展出，透過電腦建檔，電子病歷便可以在電子載體中儲存、複製與傳輸，更不會受限於紙本調閱在空間與時間上造成的成本耗損，醫事人員可以在醫院內任何受權存取的電腦或設備上進行讀取（前提是經過身份核準），而當下的電子病歷更大幅擴展到包含實驗室資訊、檢查報告、數據、護理紀錄，生命徵象紀錄，藥物使用記錄等等，將病人的疾病資料更加完整的整合，以提供醫師更精確的疾病資料以維持醫療品質與病人就醫安全。（資料來源：潘人豪助理教授，元智大學大數據與數位匯流創新中心）

想了解更多大數據知識，歡迎訂閱元智大學大數據匯流電子報創刊號