醫療一直是大家重視的行業，不論是從業人員的素質，還是投注的資源都是名列前矛的狀況。如今進入資訊時代，病人資料也變成電子病歷資料的一部分，但其他可電子化處理的資料，在醫療場所上面的使用情況就沒那麼普及，到底是有什麼限制。微軟亞洲醫療事業部副總經理（Microsoft Asia Healthcare Lead）Danny Yang（楊啟平）要來談微軟在智慧醫療這一塊，究竟有什麼獨到的看法。
比爾‧蓋茲的遠見：醫療方案群
在 2008 年時，比爾蓋茲相當看重健康資訊，於是微軟這家軟體公司，在 2009 年組成 Health Solution Group 這個相當不傳統的部門，直屬比爾蓋茲，類似孵化器角色。Health Solution Group 找來不少曾在醫療現場的醫生參與。微軟也曾推出完整 HIS（Health Information System）方案團隊，專門販售相關方案，但後來經過重整，重新調整重心。其中最重要的一點是重視 Health Care Security。
蓋茲相當注重醫療資訊，但當年還處於剛萌芽，因此用特別的方式，讓 HIS 不必歸在微軟一般業務單位下。如今大家越來越重視醫療資訊這一塊，雲端方案也越來越成熟，漸漸 HIS 變成微軟的一般業務單位。
前面提到健康資訊安全，標準就是即便國家要求資料，平臺業者不能、也沒辦法弄到資料。儘管醫療機構還沒碰到國家要求案例資料，但也不是檢察官、警察隨意要求就可以拿到資料。
由於醫療是相當因地制宜的產業，醫療資訊要符合各地的醫療法規規範，還有資料保護法規。隨著雲端應用越來越普及，醫療資訊可能被雲端存取、運算，仍然需監管誰能存取病人的資料。醫療資訊的規範，有相當嚴格的 ISO-27002，美國有 HISPA，新加坡有 MTSC（The Multi-Tier Cloud Security），微軟都有通過這些規範。
除了分析大量病人的資訊，找出跟特定疾病的關聯之外，醫療場所的數據，還能幫助病人有更好的就醫體驗。像是從長期數據分析，找出病人就醫的高峰時間，協調更多醫護人員和行政人員。
AI 協助人找出保險詐騙和即早預測患病機率
不少國家由政府或公司提供醫療保險，難免有詐騙狀況發生。醫療保險提供者藉由機器學習，抓出可能的保險詐騙狀況。以往是由 30~40 人的團隊抓詐騙，轉由教 AI 怎麼找詐騙的方法，從 1,000 個保險申請案，由 20 個抓出有詐騙的申請案，從中抽出 10 個案子交給 AI 辨識。經過一段時間訓練 AI，變成先由 AI 抓保險詐騙，再人工覆核方式確認，省下不少時間。
AI 用在醫療本身也有相關例子。小孩辨識文字有困難，叫做失讀症（Dyslexia），常常要到小孩進入學校後才會發現，往往已經太遲了，需要花很多時間才能改善。用 AI 看小孩的眼球運動模式，能偵測小孩是否得到失讀症的機率，及早發現就能早期採取補救措施。
印度也有用 AI 判斷小孩散光的機率，不必做所有的散光測驗，就能預測小孩散光，能在低成本的狀況下，幫忙印度貧窮小孩及早找出有散光徵狀。
談到各國的狀況對醫療資訊的影響，政府往往在法規的解讀比較保守，因此對比較新的技術沒那麼快採用。新加坡曾進行一項實驗，將新加坡的醫療管理分成東西兩邊，西邊由企業背景的人掌舵，東邊由醫療背景的人來執掌。經過幾年後，發現西邊的醫院運作有效率，而東邊有相當先進的醫療技術。兩邊各有長處，因此新加坡分成 6 塊，保持每一地區都有強項，確保整體有多樣性的醫療表現。
此外聊天機器人技術用在不少場域上，在醫療方面，醫療 BOT 能 24 小時運作，病人想到什麼問題都可以問，分擔醫護人員的工作。
台灣如何在醫療資訊更精進
身為新加坡人，Danny 看台灣的狀況相當清楚。台灣的醫療相當好，健保保費低廉；台灣健保資料庫和人體健康資料庫相當完整，因此很寶貴，但資料運用上相當保守，只有少數人能用；健保資料庫並沒有所有有關的健康數據，如最近流行的運動手環，沒有記錄下來的運動數據，沒有個人的飲食記錄。
如果能在資料擁有者的同意下，整合後提供給個人使用，分析自己身體的健康狀況，或是提供給保險公司，證明自己夠健康，能跟保險公司討價還價，減少保險支出。
Danny 對醫院的建議是台灣醫院的電子化做得很好，但本質仍然一樣，輸出的方式仍然一樣。其實醫院需要從整體流程設計擁抱數位化，設計出以病人為本、方便病人的資訊方案。