人工智慧醫療
人工智慧醫療不同於智慧醫療，按世界衛生組織（WHO）對智慧醫療之定義，係資通訊科技（ICT）在醫療與健康領域的應用，包含：醫療照護、疾病管理、公共衛生監測、教育和研究。換言之，以物聯網（IoT）技術應用到醫療領域，從大量搜集資料 (Data Mining) 開始，將資料處理分類後轉變成資訊(Information)，最後將資訊上傳至雲端，經由大數據分析而產生智慧(Intelligence)，從而強化醫病溝通，並以相對更低的成本與更高的效率，提供更好的醫療服務。
人工智慧醫療，係基於智慧醫療，再導入人工智慧的影像識別、深度學習、神經網路等技術，不僅實現「可預測、個人化」的醫療服務，更降低醫師重複性工作，且提高醫療服務的效率性、精確性與便利性。
人工智慧在醫療領域之五大應用
人工智慧技術導入醫療領域，可區分五大應用範疇，包含：醫療機器人、智慧藥物開發、智慧診療、智慧影像識別、以及智慧健康管理。以下概略述之。
醫療機器人
係以機器人技術結合機器視覺、機器學習等人工智慧技術應用於醫療領域，可提高自動化手術效率、協助護理照護、輔助醫護人員、修復患者受損肢體等。其中，醫療機器人概略可區分兩種類型，分別為：能夠讀取人體神經訊號的可穿戴型機器人，即「智慧外骨骼」，以及能夠承擔手術或醫療保健功能的機器人，如：達文西手術系統、IGS智慧照護機器人等。
人工智慧技術運用於醫療領域之醫療機器人的應用，其效益以高齡患者為例，可用於輔助行走提高生活便利性。另以高齡長照為例，智慧照護機器人可協助高齡者維持生活、且可於無預警突發狀況發生時，給予緊急救助。
智慧藥物開發
係以深度學習技術應用於藥物研究，透過大量資料分析，可快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發週期、降低研發成本、且提高新藥研發成功率。再者，透過人工智慧之模擬技術，可對藥物活性、安全性與副作用進行預測，進而提升病患用藥安全性。
智慧診療
係透過深度學習、機器視覺、自然語音處理等技術，使電腦具備醫師的專業醫療知識，進而模擬醫師的思維和診斷推理，從而協助醫師輔助診斷和治療建議。
舉例而言，MYCIN專家系統，協助醫師對住院的血液感染患者進行診斷和治療用抗菌素類藥物的選擇、IBM Watson，協助診斷肺癌、結腸癌等八種癌症、Lumiata，利用大數據技術構建醫療知識圖譜，通過圖譜分析尋找合適的診療路徑，提高診療的速率和精確性，節約醫生的診療時間。
人工智慧技術運用於醫療領域之智慧診療的應用，其效益以長照而言，智慧診療將可快速回應高齡者疾病診斷需求，立即判斷病況等級，免於診斷等待時間過長而延誤最佳治療時機的問題。
智慧影像識別
人工智慧應用於醫學影像可區分兩種類型，分別為：影像識別，應用於感知環節，主要目的是將影像進行分析，進而獲取有意義的資訊、以及深度學習，應用於學習和分析環節，透過大量影像資料和診斷資料，不斷對神經元網路進行深度學習訓練，促使其掌握分析與診斷病況／症能力。
人工智慧技術運用於醫療領域之智慧影像識別的應用，其效益於高齡化社會趨勢下，可預期的醫療需求大幅增長，而智慧影像識別所帶來之輔助診斷，將可大幅提升就醫效率與節省醫療成本支出。
智慧健康管理
人工智慧應用於健康管理，其標的包含：風險識別、虛擬護士、精神健康、遠距醫療，以及基於精準醫學的健康管理。其中，風險識別，係透過獲取資訊並運用人工智慧進行分析，識別疾病發生的風險與提供降低風險的措施；虛擬護士：係收集患者的飲食習慣、活動週期、服藥習慣等個人生活資訊，運用人工智慧進行資料分析並評估患者整體狀態，進而輔助規劃日常生活；精神健康：係運用人工智慧技術從語言、表情、聲音等資料進行情感識別；遠距醫療：係結合人工智慧技術提供遠端醫療服務；健康管理：係運用人工智慧技術對使用者體徵資料進行分析，定製個人化健康管理計劃。
人工智慧技術運用於醫療領域之智慧健康管理的應用，其效益以長照或高齡醫療需求為例，人工智慧技術所衍伸之風險識別，透過預先示警年長者之醫療需求，可改善年長者健康狀況；再者，虛擬護士、遠距醫療與健康管理，透過適時提醒服藥、實時監測生理健康數據與教育健康管理知識，可提高年長者健康生活品質。
全球人工智慧醫療發展趨勢
拜資通訊科技與演算法、類神經網路等研究之長足進步，推進人工智慧技術跳躍式成長，在國際大廠如：Tesla、NVIDIA、Google、Apple等推波助瀾下，不僅廣泛運用於諸如自動車、家庭語音助理等，甚者進入醫療領域，掀起醫療技術、管理等全面項的創新革命。
據Global Market Insights預估，如圖一所示，全球人工智慧醫療市場規模於2024年將達到100億美元，由2017至2024年之年複合成長率（CAGR）將高達34%，顯而易見人工智慧醫療正加速發展。
圖一、全球人工智慧醫療市場規模，2016~2024
資料來源：Global Market Insights，MIC整理，2018年9月
人工智慧醫療發展聚焦智慧診療
盤點全球前十大最受矚目之人工智慧醫療產品/服務大廠，如圖二所示，現時人工智慧在醫療領域之應用範疇以智慧診療為主，其次為智慧健康管理。
智慧診療的部分，如：IBM之Watson Health專攻癌症治療，依據病患症狀、病史等紀錄，辨識出乳癌、肺癌等八種癌症，並可提出治療與照護建議；另如：MYCIN之MYCIN Health，輔助感染科醫師針對血液感染患者進行診斷和治療用抗菌素類藥物選擇建議（如表一所示）。
智慧健康管理的部分，如：Lumiata之Lumiata Health，以病患的病歷、病理生理學數據建構醫療圖譜，用以預測病患治療需求與建議治療方案；另如：AiCure之AiCure Health，運用臉部辨識技術，透過智慧型手機提醒病患用藥與確認是否正確服藥。
值得一提的是，全球前十大最受矚目之人工智慧醫療大廠，其產品／服務之性質皆歸屬軟體。換言之，現時人工智慧醫療之發展，為架構於既有的醫療硬體設備上導入人工智慧技術而開發創新解決方案。
圖二、全球前十大最受矚目之人工智慧醫療大廠之產品/服務類型
資料來源：MIC，2018年9月
表一、全球前十大最受矚目之人工智慧醫療大廠之產品/服務
資料來源：Healthcare Tech，MIC整理，2018年9月
新創人工智慧醫療發展以智慧健康管理為主
盤點CB Insight 所公布之全球百大人工智慧新創企業，其中醫療領域總計八家新創廠商，而新創企業於人工智慧醫療產品/服務之發展以智慧健康管理為主，其次為智慧診療與智慧藥物研發，如圖三所示。
智慧健康管理的部分，如：Tempus之Tempus system，建立分子分析平台與臨床數據資料庫，收集、分析、應用患者資料於個人化照護醫療；另如：AiCure之AiCure AI platform，以智慧型手機之攝影鏡頭，發展基於人臉辨識、藥品辨識、嘴形辨識等技術，提供完整解決方案提醒患者按時吃藥，如表二所示。
智慧診療的部分，如：Flatiron之OncoCloud，以機器學習、自然語言辨識等技術，結合腫瘤科醫師之領域知識、相關學術論文，以及病患資料，將癌症治療資源整合成社群，提供醫師更好的交流治療方法，進而讓病患得到更好的醫療照護；另如：Freenome之AI genomics，以上千筆癌症病患血液資料，開發早期癌症篩檢技術，輔助並進而提高醫師篩檢癌症之精準度。
智慧藥物研發的部分，如：Recursion Pharmaceuticals之Recursion，以機器學習加速開發心臟病、神經疾病、皮膚病、腫瘤、免疫與眼睛疾病相關之藥品；另如：InSilico Medicine之InSilico Medicine AI Solution，以機器學習分析百萬種藥物樣品分子，藉以加速新藥的開發。
值得一提的是，新創人工智慧醫療之產品/服務的類型，一如既存人工智慧醫療大廠，為架構於既有醫療硬體設備上導入人工智慧技術而開發之創新解決方案，皆歸屬軟體類型之產品/服務。
圖三、新創人工智慧醫療之產品/服務類型
資料來源：MIC，2018年9月
表二、新創人工智慧醫療之產品/服務
資料來源：Healthcare Tech，MIC整理，2018年9月
我國人工智慧醫療發展現況與機會
據衛服部統計，2017年我國65歲以上人口比率高達14%（據世界衛生組織定義，高齡化社會以65歲以上人口比率達7%為界定）、2016至2017全民健保醫療給付成長率達4.5%，且2016年國民醫療保健支出高達1,869兆元，顯見少子超高齡化趨勢、醫療資源浪費等問題，正衝擊我國醫療體系。
另輔以醫療院所管理成本與醫療支出上升，致使龐大醫療系統難持續、疾病複雜化下診斷與治療的準確性與效率性需求上升，以及相對應之新藥研製不易與費時等威脅，導入人工智慧解決方案，從而節省人力與醫療支出、提高疾病診斷之準確性與效率性、縮短新藥研製時程、個人化精準醫療等，可謂大勢所趨。
我國人工智慧醫療發展以智慧健康管理為主
盤點我國人工智慧醫療產品/服務提供商與潛力業者，以全球人工智慧技術導入醫療領域之應用範疇而言，現時人工智慧醫療產品/服務之發展以智慧健康管理為主，其次為智慧診療，如圖四所示。
智慧健康管理的部分，如：廣達電腦之QOCA home遠距健康照護系統，使用者除了可以量測並紀錄個人血氧、血壓等生理數據、提醒服用藥物與門診時間外，並可透過QOCA home遠距健康照護雲，由專責照護人員掌握必要狀況，如表三所示；另如：華碩之OmniCare智慧醫材共享平台，醫療院所可透過OmniStor平台隨時掌握病患的即時生理數據，並利用演算法將數據轉化成對臨床研究有應用價值之資訊，實現個人化精準醫療。
智慧診療的部分，如：大立雲康之睡眠偵測單導心電儀，以心率演算法「心肺耦合」分析技術結合患者心律資訊，診斷潛在的睡眠呼吸中止症；另如：愛因斯坦人工智慧股份有限公司之Deep01，以影像識別演算法診斷患者大腦CT影像，藉以輔助醫師找出病灶。
圖四、我國人工智慧醫療之產品/服務類型
資料來源：MIC，2018年9月
表三、我國人工智慧醫療產品/服務提供商/潛力業者
資料來源：MIC，2018年9月
我國發展人工智慧醫療之機會與挑戰
人工智慧醫療的發展，不僅有賴人工智慧技術層面如：機器學習、深度學習、影像識別等演算法之軟體研發能量，甚者更仰賴基礎端大量的醫療相關資料，以及具備高水準之醫師團隊，方能先行以醫師人工標註／篩選醫療相關資料，進而以有價值之醫療資料作為發展人工智慧醫療創新應用／解決方案的基礎，如：發展智慧影像識別技術，須先行以醫師人工審視患者MRI或CT影像，找出病癥且標註，方能以此資料作為發展智慧影像識別演算法之基礎。
我國醫療水準具全球競爭優勢，早於2012年美國國家地理頻道紀錄片「亞洲新視野：臺灣醫療奇蹟」介紹台灣醫療產業，即明言全球排名前200大醫院中我國占據14家，而台灣醫師平均醫療技術全球排名第三，亞洲排名第一，顯見我國高水準醫療品質。惟面對全球人工智慧醫療發展趨勢下，我國具備何種優勢／機會，而又面對何種劣勢／挑戰，以下論述。
我國人工智慧醫療發展機會：完整且巨量之健保醫療資料
我國為全球醫療科技的領先國家，不僅具備完整醫療體系，以及素質平均且高的醫師群聚，更為領先全球之醫療數位化轉型典範。全民健保自1995年開辦起，累積超過20年，全台2,300萬人之問診、血液檢查、CT影像等個人醫療資料，在全球為發展人工智慧醫療卻面對醫療資料品質不一的缺點下，完整且巨量之健保醫療資料，即為我國發展人工智慧醫療具競爭優勢之利基。
為了善用完整且巨量之健保醫療資料，而建立完整的醫療資料開放體系，以使傳統醫療產品/服務大廠或潛在新創廠商能藉以開發創新解決方案，實為我國能妥善掌握優勢／機會之奠基石。
我國人工智慧醫療發展挑戰：醫療相關法規法條無法支應人工智慧技術的應用發展
人工智慧醫療創新解決方案之落實與推廣，有賴相對應之醫療法規的輔助與支持，惟我國雖具備相較全球優勢之醫療水準與高品質之醫療相關大數據，而於發展人工智慧醫療創新解決方案可取得領先優勢，但卻受限於現時相對應之相關醫療法規法條而無法有效落實與推廣。
舉例而言，人工智慧創新應用或解決方案的實行，仰賴病患個人醫療大數據之導入，而數據之導入與分析運用有賴雲端系統之支援，惟我國現行醫療法規規定病患個人就醫資料僅能保留於醫療院所，不得攜至院外，而病患個人醫療數據上船雲端即違背此醫療法規。
另一方面，現實全球人工智慧醫療創新應用/解決方案皆屬軟體類產品/服務，而我國現時醫療法規將醫療軟體類產品/服務歸屬醫療器材而須符合GNP規範，在GNP規範下此類產品／服務需有相對應之生產工廠，惟軟體類產品/服務不如傳統製藥業而有相對應之藥品生產工廠，故現時GNP規範無法支應人工智慧醫療之軟體類產品／服務解決方案之發展與應用。
又舉例而言，遠距醫療實為人工智慧醫療重要的創新應用之一，透過遠距設備醫師可為行動不便、身處偏僻之病患進行檢測、診斷、開藥等。惟我國醫師法第11條規範醫師親自診察義務，醫師非親自診察，不得施行治療、開立處方簽、交付診斷書等，是故受限既有醫師法，導致遠距醫療無法有效落實與推廣。
簡言之，人工智慧技術的快速成長，其所引領之創新醫療解決方案，正面臨既有醫療相關法規法條的考驗，而醫療相關法規法條唯有與時俱進，架構完整之配套方案，方能善加利用我國具備之優勢醫療水準與高品質之醫療相關大數據，以此為奠基石發展我國人工智慧醫療創新解決方案之立基。
結論
我國醫療面臨人口老化、醫療資源浪費、區域醫療資源不均等威脅下，導入工智慧技術解決方案實屬必需且急迫，而在面對全球人工智慧醫療的發展大趨勢下，建議可由三個面向架構我國發展人工智慧醫療解決方案的利基。
單一病症作為突破口，發展AI醫療在特定病症的利基應用
由於不同專業科目的醫師醫療知識不同，而發展人工智慧醫療，依據不同病症數據需要不同的演算法模型，因此可見國際人工智慧醫療大廠皆由特定病症作為突破口，如：IDX鎖定糖尿病視網膜病變、IBM鎖定八種癌症檢測等，故我國應優先思索何類型病症為突破口，以此做為發展人工智慧醫療應用的基礎。
透過產學合作，以健保數據為基礎，發展AI醫療應用演算法
全民健保自1995年開辦起，累積超過20年，全台2,300萬人問診資料、血液檢驗資料、全身影像資料等醫療數據，輔以健保制度推升我國醫療院所資訊化程度高而擁有大量健康醫療大數據，故應透過產學合作方式，與健保數據庫的特約學校或學術機構合作，共同發展人工智慧醫療應用演算法。
善用我國龐大健保數據資料、完善醫療院所管理能力與高水準醫護人力，以場域試驗發展AI在醫療領域的實際應用
我國雖未具備如IBM、Intel等科技巨頭得以注入大量資金與人力於人工智慧技術的開發，惟我國擁有大量且連續性的健保數據資料與各醫療院所大量的醫學影像資料，輔以優秀醫護人員、醫療服務管理能力之優勢，應以場域試驗方式，快速發展人工智慧在醫療領域的實際應用（如：長照），並進而發展可輸出國際之整體解決方案。