高端科技與設計創新並施長遠支援疾控新常態及醫療系統

本周一深夜（7月20日）衞生防護中心就誤將兩名新冠肺炎患者的檢測結果對調致歉。初步調查發現原因是檢測報告號碼相似，實驗室人員在輸入資料時的手民之誤所致。衞生防護中心發言人直言由於實驗室激增由每日2000個增至高達9000個，員工加班及休息時間不足，工作量已不勝負荷。[註1] 中心表示會調查事件及檢視流程，避免同類事件再次發生。[註2]

人類不是機器，每人每日都只有24小時。當工作量暴增又要超時工作，沒有足夠支援的情況底下，偶有錯失實屬無可厚非，不應怪責個別人員。要避免重蹈覆轍，加強查核結果報告及檢視流程固然有需要，而筆者認為思考的方向除了偵錯之外，長遠之計是利用資訊科技協助醫護人員倍數式甚至指數式提高工作效率及準確性。

美國急症室醫生值班十小時須按四千次滑鼠

美國曾有研究指當值急診科醫生，在十小時值班時間內須按四千次滑鼠。當更的時間的分配如下: 數據輸入──44% ；直接護理患者──28% ；檢驗結果和記錄──12% ；與同事討論工 ──13% ；其他活動──3%。急診科醫生花在輸入電子病歷數據的時間明顯多於其他工序，甚至比直接照顧病人還多。研究結論是提高數據輸入效率將使急診科醫生有更多時間照顧病人，增加醫院收入。[註3] 此研究於2013年由美國賓夕凡尼亞州 St. Luke’s University Health Network 的醫生 Robert G. Hill Jr. 帶領進行，他接受傳媒訪問時亦坦言就算自己每天使用系統仍感吃力，認為軟件的設計不佳，使用流程不暢順，亦未能呈現診治病人的重點。他的研究雖然距今有一段時間，[註4] 但其研究方法及結論仍值得參考。

今年7月上旬「IBM Watson Health 最佳醫院100強排行榜」 (IBM Watson Health 100 Top Hospitals Ranking) 公佈結果，就美國醫院的表現排名，St. Luke’s University Health Network 再次入選，今年其聯網內有醫院取得教學醫院組別第二名，在中型社區醫院組別亦取得高排名。[註5] 另外，今年5月 IBM 發表「表現優秀醫院的七大特點」 (Seven characteristics of top-performing hospitals) 研究報告，指出優秀醫院的特點之一是著重創新技術的實際應用，以可量度及實用方法施行科技，而非純為創新而追求新技術。[註6]

台灣利用 AI 判讀新冠肺炎X光片減疲勞失誤

成功大學資訊工程系特聘教授兼成大醫院資訊長蔣榮先教授的新作《從AI到智慧醫療》，提及前述案例解釋電子病歷與醫療資訊系統的重要性。蔣教授自2000年在成大醫學院開設醫療大數據課程，是台灣最資深的智慧醫療資工專家之一，20年來訓練過千名具備懂編程的醫療專業人才。今年4月他率領成大 MedChex 團隊展示以人工智慧一秒判讀新冠肺炎X光片的技術，在世衛與臉書、微軟等科技巨頭合辦的「國際 COVID19 科技防疫駭客松」突圍而出，被評為最有貢獻及商機的隊伍之一。[註7] 他在書中解釋：

「可以想像一個情境，若是新冠肺炎疫情更嚴峻，或是未來其他感染大規模流行時;這時恐慌的民眾紛紛湧入醫院進行篩檢，人力本來就相對不足的放射科醫師會疲於奔命於判讀影像。這個 Al 輔助肺炎判讀器可以在民眾拍攝胸腔 X光片後，電腦幾乎立刻找出可能病癥位置，標註出最有可能的感染區，以「熱區圖」標示病癥之處，同時以信心值高低顏色呈現罹肺炎的機率，輔助經驗不足的放射科醫師，讓臨床醫師只要專注在該熱區的細部判讀與確認即可。」

「多次調整演算法，精進AI的判讀能力，甚至可以自動過濾不必要的雜訊，找到如病灶處與心臟重疊處，AI 可以幾乎立刻標出疑似感染區域…讓醫師縮短閱片時間，也能避免因為人眼疲勞造成的失誤。」

成大醫院資訊長寄語顛覆流程與技術架構增應變力

他的著作談及人工智能及大數據等前沿技術在醫療場景的設計及實況，提供多國案例及參考資料連結，是少數把技術與應用說得明白，而又適合無技術背景讀者的華文醫療科技書。蔣教授強調管理資訊系統絕對是智慧醫院建設的成敗關鍵，隨着科技發展，系統也必須脫離傳統形式，邁向便利和人性化。他在結語亦建議任何企業要有效應對充滿未知的的新冠疫情，應顛覆既有流程與技術架構，增強應變力謀求生存。 [註8]

上海市積極利用人工智能及大數據控制疫情

7月上旬於上海舉辦的世界智能人工大會（WAIC），多家國內外機構展示人工智能在醫療場境的研發成果及應用方式。大會亦請來復旦大學上海醫學院副院長吳凡和華山醫院感染科主任張文宏對談人工智能看法。據中新網報導，張文宏在會上表示人類要充分地利用技術，但也不能迷信技術。

吳凡是上海市疫情防控公共衛生專家組成員，亦是中國─世界衛生組織聯合考察新冠疫情專家組的成員。吳凡指出應對傳染病速度很重要，否則會造成大量傳播，利用人工智能和大數據溯源，有效快速界定感染者和及時管理，瞭解不同地方的病例是否相關，深入分析病例發生的時間與環境等。[註9] 她較早前接受《南方都市報》訪問點出疾控的科研特徵：

「疾控和應急領域的科研有一個特點，它是根據現場情況和處置所需，解決實際問題的，可以說是最接地氣的科研。而這種科研也需要靠平時人才和技術的儲備，才能在應急時承擔得起應急科研任務。」

「疾控的最高境界不是發明一個高精尖的技術或產品，而是用最簡便、易行、最符合成本效益的辦法，從根源上解決問題。」 [註10]

本周三（7月22日下午），上海市衛健委通報在7月21日並無新增本地新冠肺炎確診病例，新增境外輸入為兩宗。 [註11]

衛健委建議以信息工程及創新支援疾控新常態

今年6月下旬，中國國家衛生健康委曾發出《國家衛生健康委辦公廳關於做好信息化支撐常態化疫情防控工作的通知》，全文提出六大方向及合共22點建議，要求「充分發揮信息化在支撐疫情監測分析、創新診療模式、提升服務效率、促進人員安全有序流動」。當中第十點建議：「10. 擴大試點創新。支持各地特別是11個『互聯網+醫療健康』示範省，按照鼓勵創新、包容審慎的原則，在標準規範、監管模式、醫保支付、利益分配等方面加強探索，開展互聯網醫療服務管理、電子健康檔案應用、人工智能輔助診療等政策研究，打造『互聯網+醫療健康』升級版。」[註12]

兩岸專家分享新冠肺炎初期已把人工智能應用於實際防控工作，並取得斐然成績，我們看到前沿技術在防御和快速控制疫情能夠作出的貢獻，這方面香港向外借鑒技術和經驗並非壞事。當香港確診個案每天以三位數飆升，醫療系統有崩潰危機之時，不必要的猜疑和聯想不見得有助抗疫。然而，加快開放數據進程及數量，促進本地醫療科技產業發展，提供誘因予投資者和人才，方是長遠增強香港醫療系統實力之道。

另一方面，我們亦可從美國的研究理解到要協助醫護和科研人員提升日常工作效率，像軟件用戶經驗設計、介面設計這類側重用戶端設計的改善，亦可取得實效。有關當局應加強與初創孵化器、大學、社企、社會創新的團體的合作，例如以非緊急及非涉敏感病歷的醫療服務作為試點，合辦駭客松（hackathon）或先導計劃，與社會各界協作。紓解當下新冠肺炎的沉重壓力，不應只由醫護界站在前線獨力承擔，香港本地的資訊科技及設計人才都有能力貢獻所能，跨界合作的起步點可能就在滑鼠上的方寸之間。

新書簡介

書名: 從AI到智慧醫療
工作者：蔣榮先
出版社：商周出版
出版年月：2020年5月
ISBN：9789864778348
電子版購買平台 : HyRead、Readmoo
印刷版購買渠道：香港各大書店

註1 香港政府新聞網：<兩檢測結果對調防護中心致歉>，2020年7月20日。

https://www.news.gov.hk/chi/2020/07/20200720/20200720_224504_049.html

註2 香港政府新聞公告：<衞生防護中心公布一宗病毒檢測結果錯調事件> ，2020年7月21日。

https://www.info.gov.hk/gia/general/202007/21/P2020072000868.htm

註3 Hill RG Jr, Sears LM, Melanson SW. 4000 clicks: a productivity analysis of electronic medical records in a community hospital ED. Am J Emerg Med. 2013;31(11):1591-1594. doi:10.1016/j.ajem.2013.06.028.

https://pubmed.ncbi.nlm.nih.gov/24060331/

註4 Ken Terry, “In One ER, EHR Takes 44% Of Doctors’ Time”, Information Week, 2013 Mar 10.

https://www.informationweek.com/healthcare/electronic-health-records/in-one-er-ehr-takes-44–of-doctors-time/d/d-id/1111808

註5 St. Luke’s University Health Network. St. Luke’s Scores High in Fortune’s IBM Watson Health 100 Top Hospitals Ranking, St. Luke’s University Health Network Website, 2020 July 8.

https://www.slhn.org/blog/2020/st-lukes-scores-high-in-fortunes-ibm-watson-health-100-top-hospitals-ranking

註6 Sara Atwell, Betsy Block and Ekta Punwani. Seven characteristics of top-performing hospitals, IBM Website, 2020.

https://www.ibm.com/downloads/cas/AJDKNRVX

註7 劉子寧、陳芳毓： <從Google、麻省理工學院勁敵竄出！他率領台灣隊，讓國旗登上WHO>，天下雜誌網站，2020年6月11日。

https://www.cw.com.tw/article/5100645

註8 蔣榮先：《從AI到智慧醫療》，（台北：商周出版，2020年）。

註9 鄭瑩瑩： <人工智能豎起「防護牆」李蘭娟、吳凡、張文宏談智慧抗「疫」>，來源：中新網，2020年7月10日。

https://m.us.sina.com/bg/china/chinanews/2020-07-10/detail-ifzxzxnc8986022.shtml

註10 吳斌： <專訪全國政協委員吳凡：要切實加強疾控機構人員薪酬保障>，南方都市報，2020年5月28日。

http://news.southcn.com/china/content/2020-05/28/content_190960318.htm

註11 上海市衛健委： <上海7月21日無新增本地新冠肺炎確診病例新增境外輸入2例治愈出院1例>，2020年7月22日。

http://wsjkw.sh.gov.cn/xwfb/20200722/02b8b90954894266b6412136c02ce81f.html