医疗一直是大家重视的行业，不论是从业人员的素质，还是投注的资源都是名列前矛的状况。如今进入信息时代，病人资料也变成电子病历资料的一部分，但其他可电子化处理的资料，在医疗场所上面的使用情况就没那么普及，到底是有什么限制。微软亚洲医疗事业部副总经理（Microsoft Asia Healthcare Lead）Danny Yang（杨启平）要来谈微软在智慧医疗这一块，究竟有什么独到的看法。
比尔‧盖兹的远见：医疗方案群
在 2008 年时，比尔盖兹相当看重健康资讯，于是微软这家软件公司，在 2009 年组成 Health Solution Group 这个相当不传统的部门，直属比尔盖兹，类似孵化器角色。Health Solution Group 找来不少曾在医疗现场的医生参与。微软也曾推出完整 HIS（Health Information System）方案团队，专门贩售相关方案，但后来经过重整，重新调整重心。其中最重要的一点是重视 Health Care Security。
盖兹相当注重医疗资讯，但当年还处于刚萌芽，因此用特别的方式，让 HIS 不必归在微软一般业务单位下。如今大家越来越重视医疗资讯这一块，云端方案也越来越成熟，渐渐 HIS 变成微软的一般业务单位。
前面提到健康资讯安全，标准就是即便国家要求资料，平台业者不能、也没办法弄到资料。尽管医疗机构还没碰到国家要求案例资料，但也不是检察官、警察随意要求就可以拿到资料。
由于医疗是相当因地制宜的产业，医疗资讯要符合各地的医疗法规规范，还有资料保护法规。随着云端应用越来越普及，医疗资讯可能被云端存取、运算，仍然需监管谁能存取病人的资料。医疗资讯的规范，有相当严格的 ISO-27002，美国有 HISPA，新加坡有 MTSC（The Multi-Tier Cloud Security），微软都有通过这些规范。
除了分析大量病人的资讯，找出跟特定疾病的关联之外，医疗场所的数据，还能帮助病人有更好的就医体验。像是从长期数据分析，找出病人就医的高峰时间，协调更多医护人员和行政人员。
AI 协助人找出保险诈骗和即早预测患病概率
不少国家由政府或公司提供医疗保险，难免有诈骗状况发生。医疗保险提供者借由机器学习，抓出可能的保险诈骗状况。以往是由 30~40 人的团队抓诈骗，转由教 AI 怎么找诈骗的方法，从 1,000 个保险申请案，由 20 个抓出有诈骗的申请案，从中抽出 10 个案子交给 AI 辨识。经过一段时间训练 AI，变成先由 AI 抓保险诈骗，再人工复核方式确认，省下不少时间。
AI 用在医疗本身也有相关例子。小孩辨识文字有困难，叫做失读症（Dyslexia），常常要到小孩进入学校后才会发现，往往已经太迟了，需要花很多时间才能改善。用 AI 看小孩的眼球运动模式，能侦测小孩是否得到失读症的概率，及早发现就能早期采取补救措施。
印度也有用 AI 判断小孩散光的概率，不必做所有的散光测验，就能预测小孩散光，能在低成本的状况下，帮忙印度贫穷小孩及早找出有散光症状。
谈到各国的状况对医疗资讯的影响，政府往往在法规的解读比较保守，因此对比较新的技术没那么快采用。新加坡曾进行一项实验，将新加坡的医疗管理分成东西两边，西边由企业背景的人掌舵，东边由医疗背景的人来执掌。经过几年后，发现西边的医院运作有效率，而东边有相当先进的医疗技术。两边各有长处，因此新加坡分成 6 块，保持每一地区都有强项，确保整体有多样性的医疗表现。
此外聊天机器人技术用在不少场域上，在医疗方面，医疗 BOT 能 24 小时运作，病人想到什么问题都可以问，分担医护人员的工作。
台湾如何在医疗资讯更精进
身为新加坡人，Danny 看台湾的状况相当清楚。台湾的医疗相当好，健保保费低廉；台湾健保数据库和人体健康数据库相当完整，因此很宝贵，但资料运用上相当保守，只有少数人能用；健保数据库并没有所有有关的健康数据，如最近流行的运动手环，没有记录下来的运动数据，没有个人的饮食记录。
如果能在资料拥有者的同意下，整合后提供给个人使用，分析自己身体的健康状况，或是提供给保险公司，证明自己够健康，能跟保险公司讨价还价，减少保险支出。
Danny 对医院的建议是台湾医院的电子化做得很好，但本质仍然一样，输出的方式仍然一样。其实医院需要从整体流程设计拥抱数字化，设计出以病人为本、方便病人的资讯方案。
