近年來，在產業界與醫療相關單位的合作下，AI技術已經被積極應用在醫療場域中，並且適用在不同對象上。國與日本皆已有許多廠商或醫院投入開發AI醫療產品與服務。本文將以「醫療場域內」為主，討論我國與日本在此場域範圍內應用AI技術的發展模式與特點。
一、醫療場域內應用AI技術之醫療產品與服務的對象及途徑
在醫療場域內，應用AI技術產出創新醫療產品與服務的對象有三種：
1.消費者（病患）：提供醫療相關數據或資料後，利用AI技術減少其在醫療場域停留時間、提升看診體驗。
2.醫護人員：協助醫護人員決策、提升醫護品質、減少其勞動負擔。
3.醫療院所管理者：協助醫療院所管理者提升管理效率、減少行政錯誤等。
針對上述三種對象，開發創新醫療產品與服務的途徑，最重要的是「廠商與醫療院所的合作」，結合醫護專業知識與AI和ICT技術，才能開發成功的智慧醫療產品與服務。路徑一是由廠商開發產品或服務，提供上述對象（B2C、B2B），相較於台灣的廠商許多是由科技業廠商投入（像是宏達電、廣達、緯創），日本的業者主要是既有醫療器材軟硬體供應商；路徑二是由醫院主導產學研合作應用AI技術於醫療。以下將討論在我國與日本國內於在醫療領域應用AI的產業發展途徑與案例。
二、我國在醫療領域應用AI的產業發展途徑與案例
我國在醫療領域應用AI的產業發展與佈局，產業與醫療院所的合作是以「科技業廠商擴大或轉投資」以及「以醫院為主的產學研合作」為主要途徑，整理相關案例如表2。
表1 我國智慧醫療路徑發展主體及產品服務案例
資料來源：本研究整理(2019年/7月)。
路徑一，科技業廠商投入的以B2C模式提升病患看診體驗、以及B2B模式下提升醫療院所管理為主。就提升病患看診服務體驗來說，例如宏達電成立「DeepQ」AI平台，並與醫療院所合作，協助民眾在前往看診之前，可以先透過手機APP上傳自身症狀資料，由後台運用AI技術初步問診、協助判斷科別並記錄回答，讓醫師在看診時參考；還能在看診後進行衛教等。在提升醫療院所管理上，目前則有緯創醫學科技與恩主公醫院合作，提供「智能血液透析系統」、「ICD10智能推薦」、「手術室排程管理系統」與「智能醫療語音平台」等解決方案，結合AI、物聯網、感測器、語音辨識等新興科技協助打造智慧醫院。
路徑二，在協助醫護人員提升看診品質、減輕負擔上，以醫院主導之產、學、研合作是最主要途徑，例如中國醫藥大學附設醫院與長佳智能合作，於骨科、兒科、乳房外科、胸腔科、腎臟科、眼科、精準醫學與健檢中心等範疇中，結合中國醫藥大學附醫的臨床醫療資利用AI技術進行標記，產生醫療AI模型並且連接醫院資訊系統，推出「AI門診」，協助快速判讀醫療影像及病歷資料。台北榮總也與台灣人工智慧實驗室（AI Labs）打造臨床人工智慧腦瘤自動判讀系統」（DeepMets），甚至開設AI輔助門診，於心臟科、骨科及神經內科著手，針對心律不整、脊椎骨折以及腦瘤影像等，進行影像判讀、判斷手術風險與治癒率等。
利用AI技術判讀醫療影像之技術推展，目前更提升至國家層級的政策推動。科技部從2017年開始推動「醫療影像專案計畫」，結合台大、台北榮總、與台北醫學大學等醫學團隊，以及學術界AI專業研究單位等形成跨機構團隊，針對電腦斷層、核磁共振、X光影像等標註疾病資訊、建立「AI醫療影像標註資料庫」，進而判讀心臟冠狀動脈、腦部與肺部之各種疾病。目前將近6萬筆醫療影像，其中將近3萬筆已經標註疾病資訊，可以做為國內醫院未來投入AI技術協助疾病篩檢、疾病預警或早期診斷、精準醫療的重要基礎。在科技部「AI醫療影像資料庫」的基礎上，台大、台北榮總、北榮分別針對疾病的醫療影像標註資料，應用AI演算法/模型，協助後續研究、診斷、分析預測。以臺北榮總為例，腦及骨科方面疾病的醫療影像標註資料，並和交大、AI Labs合作AI演算法，將AI的醫學影像分析應用在四方面，腦內轉移腫瘤、心房顫動預測模型、青光眼診斷、壓迫性骨折。
三、日本在醫療領域應用AI技術的產業發展路徑與案例
日本在醫療場域應用AI技術的產業與醫療院所合作中，以「既有醫療軟硬體服務供應商結合AI與既有產品」及「以醫院為主的產學研合作」為主，主要應用在醫護人員及醫療院所上，其中又以協助醫護人員提高看診品質為最主要方式，應用產品或服務案例如表2：
表2 日本智慧醫療路徑發展主體及產品服務案例
資料來源：本研究整理(2019年/7月)。
路徑一，既有醫療軟硬體服務供應商在應用AI技術時，會將既有軟硬體系統或器材為基礎導入AI技術，並運用物聯網、大數據、AR與VR等新興科技，形成智慧醫療解決方案，希望減輕醫生工作負擔、讓醫生有更多時間面對病患，達成「醫療影像診斷工作流程最佳化」。例如富士軟片作為傳統醫療影像器材製造廠，結合其既有醫療影像辨識技術與AI深層學習，開發「REiLI」技術產品，應用在其醫療影像儲傳系統PACS產品上。REiLI技術可以使醫師快速辨識醫療影像中內臟的所在位置與形狀，並幫助快速判斷出可能的器官病變。OLYMPUS則在內視鏡診療上提出「ICT-AI平台」技術戰略，希望開發出適用各種不同廠牌之ICT醫材的「開放式電腦輔助診斷系統CAD平台」，藉此收集更多醫療影像；並在內視鏡檢查流程之插入、診斷、以及診斷報告等階段中，運用AI技術協助器材定位、找出可能病變之處、進而半自動化地協助醫師製作診斷報告。
路徑二，醫院（學術界）主導產學研合作也是主要模式之一。例如由東京女子醫科大學研究開發之「智慧治療室系統 (Smart Cyber Operating Theater, SCOT)」，是由該院與廣島大學、信州大學、日立製作所、Denso及其他多間學校及企業等進行醫工合作，以日本開發之ORiN（Open Resource Interface for the Network）中介軟體為核心開發出「OPeLiNK」介面，並以物聯網連結手術室內各項器材，統合各項醫療資料，打造以「術中MRI」為中心的智慧治療室；接著再利用AI技術判讀醫療數據，以協助醫師決定應採取之術式、腫瘤摘除率、預後預測等，降低術中風險與併發症。此項產品預計在2021年對外銷售。
至於在應用AI技術提升醫療院所管理品質上，日本仍在發展相關產品與服務中。目前較確切的案例為名古屋大學醫學部附設醫院。該院從2018年起與企業合作進行實證計畫，希望以IoT與AI技術連結電子病歷與各項醫療資訊，加上醫療器材遠距監視系統、病患身上的穿戴式裝置，及結合藥物及檢體運送機器人等，希望打造智慧醫院，目前此項計畫正持續進行中。另外，日本政府也透過國家型計畫「戰略性創新創造計畫Strategic Innovation Promotion Program（SIP）」研究開發「AI醫院」，希望導入AI技術至醫院進行問診、協助診療、病歷自動製作等，希望在2022年底前於多家醫院中適用。
四、我國與日本於醫療領域應用AI技術的產業發展路徑比較
從前述台日在AI醫療領域的產業發展模式來看，有以下幾點比較之處：
首先，就廠商投入AI醫療領域的發展模式而言，廠商與醫療院所在合作上所佔比重略有差異。由於台灣是以科技業廠商擴大業務範圍或轉投資為主，日本則是以既有醫療器材大廠投入較多。相對而言，我國科技業廠商大多不具有充足的醫療專業知識或開發經驗，必須仰賴醫療院所擁有的專業醫護知識與大量的醫療相關資料，才能研發應用AI技術的相關產品與服務；但日本既有的醫療器材大廠已經投入醫療領域許久，已經具有穩固基礎，可以進一步結合AI技術與既有醫療器材產品，為其重要優勢。
第二，不同類型廠商所投入開發之產品與服務的面向也會有所差異。在我國，如同前述，一般科技業廠商由於其具有的專業醫療知識相對較少，因此能夠投入開發的面向，主要針對提升病患（消費者）的醫療服務體驗、或是協助醫院提升醫院管理為主；但是日本的醫療器材大廠能夠利用其與醫療院所與醫護人員的連結，打造應用AI技術於醫療領域的軟硬體系統及服務，協助醫護人員提高看診品質、做出更準確的醫護決策；但是相對於台灣，其投入在提升消費者體驗或協助醫院提升管理的案例相對較少。
第三，就醫院主導產學研合作投入AI醫療的模式中，民間與政府投入的方向略有不同。在以AI技術協助判讀醫療影像資料上，我國醫院不僅自行與具有AI技術的廠商或學研單位合作，也透過國家力量推動，例如科技部推動的「AI醫療影像資料庫」是重要基礎。另外在醫院管理上，民間醫院也積極與科技業廠商合作，開發管理解決方案，目前已經有數間醫院運用相關技術邁向「智慧醫院」。相較之下，日本一方面是由醫院發展運用AI技術提升手術決策、或是影像判讀；另一方面在提升醫院管理上，除民間醫院現正起步發展之外，政府也在此面向上以國家型計畫打造AI醫院，並希望未來適用於更多醫療院所。
在前述幾點比較下，未來我國科技業廠商若要在醫療領域應用AI技術開發更多產品與服務，建議可以切入注重與醫護人員及醫院管理端的合作來補其不足。因為即使廠商有足夠的ICT與AI技術能力，真正具有專業知識的是醫護人員；實際在第一線服務病患是各醫療院所。若能與醫護人員與醫院管理端緊密合作，才能開發出同時符合消費者端與醫院端需求的智慧醫療產品與服務。找尋適合或有需求的醫療院所，針對需求與痛點開發產品，是科技業廠商欲成功跨足智慧醫療領域的重要關鍵。
值得一提的是，「新創公司」也可以是「產業與醫院合作」中的一環。未來不論是科技業或既有醫材大廠、醫療院所本身、或是新創企業，皆有機會在各種不同場域種應用AI技術，而能提供更精準的醫療產品與服務，打造更方便且完善的醫療環境，型塑每個人更健康的未來。