AI 可做到個人化疾病預測！專家再談 7 類醫療應用：可做風險評估
AI 運用除了日常資料的解讀，在醫療健康上，臺北護理健康大學資訊管理系所特聘教授徐建業分享，以個人化情況來說，首先要擁有自己的資料，接著應用 AI 驅動個人化疾病預測模型後，從眾人的資料數據運算，做出 AI 疾病預測。除此之外，還有 7 類的 AI 醫療應用，像是個人健康狀況的改善、醫療健康保險應用等。
徐建業出席 由 Yushan AI 聯手 Heho 健康、鉅亨網、寶血生技等共同舉辦的 AI 論壇，探索 AI 與健康管理與金融決策的未來。徐建業說，過去一般人類在分析資料或得到研究時，邏輯都是從數據開始，到知識、接著進入實務，最後再到企業及使用者，接著再從使用者取得更多數據後，回到最開始的知識，形成一種輪迴。
徐建業表示，但現在數據量愈來愈大，人的腦子也無法處理，可能會因此漏掉。若有了人工智慧分析、運用演算法，不只是使用，他說，學會 AI 的前提就是要學會如何詢問電腦問題，才能得到好的答案。
疾病預測 AI 模型了解機率 醫療健康保險也能用 AI
徐建業指出，在醫療 AI 上，可透過去識別化產生不同主題的應用，包括公衛及健康管理等。他說明，以疾病預測 AI 模型為例，這是一種驅動式學習模型，當資料輸入後，進入多維模型，就會輸出預測的統計，像是糖尿病會洗腎的機率或失智症與癌症機率等，若加上改善的變因，可能會影響，此時結果預測也會不同。
但若想使用在個人化健康上，徐建業表示，輸入自身的資料後，可透過大數據所得的 AI 驅動個人化疾病預測模型，進行個人預測，但這項大數據就是從眾人資料轉換而成個人資料，即便每個人的資料不同，但可以從中找到相似數據。
徐建業說，若從中加上個人的改善措施，例如運動等，這些數據資料也會被蒐集，並再度回到大數據成為資料的一部分。而透過個人預測模型不斷改善、會發現資料愈來愈被提升，當所有人都這麼做的時候，資料也會回歸大數據，變成大型的模型改變。
徐建業提到，其他運用上，包括個人醫療運用，像是診斷、提醒、風險評估等；另外，健康管理、改善個人健康狀況、預估未來醫療需求、成本效益應用、彌補醫療機構利潤缺口、醫療健康保險應用，都是運用 AI 的一環。
文／張乃文