【專訪】臺北醫學大學數據長許明暉 - CIO Taiwan

臺北醫學大學數據長許明暉表示，北醫大向來非常重視醫療資訊與健康數據的教育與研究，早在1998年就成立亞洲第一所醫學資訊研究所，領域著重於臨床醫學 ... 登入註冊網站會員 活動 影音 趨勢分析 CIOIT經理人雜誌 CSO精選 電子報 下載 聯繫我們 沒有結果 查看所有結果 沒有結果 查看所有結果 首頁 風雲人物 【專訪】臺北醫學大學數據長許明暉 2020-09-01 分類: 風雲人物 0 A A A A Reset 0 臺北醫學大學數據長許明暉 整併醫院數據發揮資料最大價值 醫療資料屬於醫院的資產，成立數據處之後，與各科溝通此觀念，讓資料能由數據處統一保管，作為日後研究專案使用。

採訪／施鑫澤文／林裕洋刊期／2020.09 隨著資通訊技術快速成長，讓資料經濟成為世界主流，也帶動資料價值快速攀升。

而隨著人類壽命逐年增加，各國際生醫研究機構也將數據科學列為核心發展項目，期盼發展預防醫學、精準醫學等項目，讓醫療費用獲得最有效的運用。

為此，2019年12月16日臺北醫學大學率先成立數據處，期盼提升整體校院競爭力，同時也為促進人類健康盡一分心力。

臺北醫學大學數據長許明暉表示，北醫大向來非常重視醫療資訊與健康數據的教育與研究，早在1998年就成立亞洲第一所醫學資訊研究所，領域著重於臨床醫學資訊學、基礎醫學資訊學的研究。

因應全球資料科學的快速發展，我們也在2016年成立大數據科技及管理研究所。

現今在資料經濟時代下，臺北醫學大學進一步設立數據處，並設有臨床數據中心、健康資料加值中心、校務研究中心與統計中心，將為全校師生與附屬醫院同仁提供即時優質的數據服務。

數據處出面整合滿足多元研究專案 許明暉表示，現今在資料經濟時代下，臺北醫學大學設立數據處，將為全校師生與附屬醫院同仁提供即時優質的數據服務。

根據臺北醫學大學公布資訊公布資料，成立資訊處的主要考量有三。

首先將資訊處研究資訊組、公共衛生學院健康暨臨床研究資料加值中心、管理學院生物統計研究中心、秘書處校務研究辦公室等相關單位進行資源整合及組織重整，進而發揮資料最大功能。

其次，統整臺北醫學大學臨床研究資料庫、校務研究資料庫、與校外的健保資料庫、生物資料庫與國內外的開放資料（opendata），提供數據一站式服務（One-StopShopping），未來臺北醫學大學師生只要需要數據服務，便可向數據處提出申請。

最後，數據處也將參與國內臺灣人體生物資料庫（TaiwanBiobank）、台灣精準醫療計畫（TaiwanPrecisionMedicineInitiative,TPMI）等大聯盟，同時強化與其他醫院資料庫之研究合作、籌組小聯盟、啟動研究量能，進而參與如「OHDSI」（TheObservationalHealthDataSciencesandInformatics）等國際健康數據聯盟運用資料之機制，讓數據產生更大的價值。

許明暉指出，醫院對資料保存工作向來非常重視，因此各種醫療資料都保存在各單位之中，如X光片、放射科檢驗資料等，都放在X光室、放射科等，有時會被視為各科室的資產。

雖然此種做法行之有年，然這種想法並不正確。

醫療資料應該是屬於醫院的資產，所以我們成立數據處之後，就必須跟各科溝通此觀念，由我們統一保管資料，作為日後研究專案使用。

加速熟悉工作流程創造資料跨界效益 前面提到，臺北醫學大學數據處的第二個工作之一，就是將統整該校臨床研究資料庫，即是透過整合與資料清洗工作，讓資料能滿足日後研究案所需。

舉例而言，在台灣有回家過世的習俗，很多即將臨終病患會辦理出院手續，選擇留一口氣回家。

如此一來，醫院中的很多病患資料並不正確，即便是癌症末期病患出院，最終也不一定真的因病過世，有可能是車禍或者是其他原因等。

病人是否死亡與死亡原因是存活分析的關鍵，而且病人過世，就醫資料就可不受個資法限制，所以取得死亡病人的病例資料，對研究單位是非常重要的工作，因此臺北醫學大學數據處接手之後，自然必須肩負申請與資料清洗的工作。

衛福部有死亡人數的資訊可供申請，而相關申請流程就必須要由數據處負責辦理，才能讓病患就醫資料發揮最大價值，滿足後續研究需求。

許明暉說，不光衛福部死亡資料的確認流程，數據處必須熟悉各部會的申請流程，包含環保署、中央氣象局等等，甚至與國外單位的溝通與協調，才能讓研究單位專心在相關研究案上。

以近來在全球造成超過2000萬感染的COVID-19，於台灣僅有500例不到的病歷資料，若有團隊要從事相關研究案時，則必須與國外單位合作，我們也自然要負責與美國、歐盟等單位協調，便取得團隊所需的資料等。

根據臺北醫學大學數據處初步分析，老師或研究單位申請數據之後的用途大致上可分成三部分，首先是用於論文發表用途，其次則是用於申請研究計畫經費，為後則是用發展AI模組。

無論哪種模式，數據處都樂觀其成，若日後發生營利事件，屆時再透過法規修正即可，期盼透過鼓勵申請方式，讓資料能夠發揮最大加值。

非結構化資料多各界摸索運用模式 長期以來，廣泛收集資料、加以分析，以便讓資料發揮最大價值，一直是企業積極投入的方向。

早在結構化資料年代，無論是醫療、金融、製造等，均會透過資料探勘、資料倉儲等技術，從看似無關聯的資料中，找到可能相關聯的訊息。

在各方業者持續投入下，市面上有各種類型工具可供選擇，能滿足不同產業應用需求。

尤其在處理器效能大幅攀升下，以往要處理一個小時的資料，現在可能只需1分鐘即可完成，也讓相關應用領域不斷擴大。

至於近年來興起的非結構化資料，目前各界都在摸索最合宜的運用方式，不過近來在演算法成熟下，已經有相當不錯的應用成果出現。

以人臉辨識、影像分析等為例，便已廣泛應用在人類的生活中，如許多國家都開始提供快速通關服務，民眾只要事先申請，便能運用人臉辨識技術快速完成出入境的資料審核。

而臺灣引進車牌辨識技術的智慧停車場也愈來愈多，除可減少管理人員的工作負擔之外，消費者也不需要擔心票卡遺失的問題，繳費速度也比以往更快。

「由於醫療服務對象是病患，在考量病患安全的前提下，所以醫療院所對於引進新科技向來較為保守，通常是等到技術成熟之後才會引進。

」許明暉解釋：「如在人臉辨識部分，主要是運用在環境監測領域，確保醫療環境的安全。

然而隨著人工智慧技術成熟，許多醫療院所也希望運用在醫療場合之中，以減少醫療人員的工作負擔，以及減少人為的疏忽。

」 舉例而言，在傳統病理切片的流程中，是由病理科醫師判讀電腦影像，確認檢體屬於良性或惡性。

但是當病理科醫生每天需要看大量電腦影像時，難保不會因為疲累造成判斷上的錯誤。

所以若能引進輔助軟體協助，自然有助於提高準確率與效率。

又如現今判斷病患是否罹患COVID-19，最常見方式莫過於進行核酸檢測，但是花費時間相對較久、成本也較高。

因此，現今有不少研究團隊開始運用技術日益成熟的影像辨識技術，期盼透過判讀X光、電腦斷層等，判別病患是否遭到COVID-19感染，降低資料判讀時間與提升準確性。

AI應用多元化自然語言令人期待 在人工智慧、資通訊技術進步下，世界各國都積極投入智慧醫療的發展。

只不過現今全球對智慧醫療的定義不同，以衛生福利部擬訂「智慧醫療區域聯防試辦計畫」，即結合資通訊網路技術，整合不同醫療機構層級的急重症資源，開創智慧遠距醫療模式，提升醫療照護效率及效能，讓醫療照護沒有距離的隔閡。

此舉，可藉由結合台灣資通訊科技的強項與創新醫療服務模式，提升國內偏鄉醫療照護的可近性、即時性、效率及照護品質，並藉由跨層級機構的合作新模式，讓醫療資源有效運用，縮短城鄉差距，達到世界衛生組織揭示之健康平權之目標。

許明暉認為，人工智慧絕對是發展智慧醫療、智慧醫院的重要核心技術，不光前述的影像分析運用，自然自然語言處理也是令人期待的方向。

最簡單的應用模式，莫過於為病患提供相關協助，如對話、導引等。

至於進一步深入的運用，則能在醫生問診過程中，協助記錄病患相關的病歷資料，並且即時進行分析，給予醫師相關輔助，對於改善醫療品質也能帶來極大幫助。

聯邦學習興起開啟AI模組新境界 雖然在處理器運算能力效能攀升下，現今AI演算法已經相當成熟，市面上也有免費的AI演算法可取得，也帶動各種智慧服務問世。

然而AI技術能否發揮預期效益，仍然需要仰賴大量資料訓練，只是傳統AI模組訓練方式，得把大量資料上傳到伺服器、雲端平台上。

然當資料來源擴大到多個單位之後，除有資料量過大的問題之外，也會有資料隱私權的問題，導致許多公司猶豫、裹足不前。

因此，近來興起的聯邦學習（FederatedLearning），則是讓多個單位運用同一份演算法，讓資料則能在本地端進行運算與分析，只需將最後訓練成果上傳到雲平台，達到縮短訓練AI模組兼顧資料隱私性的需求。

許明暉認為，由於醫療資料有很多隱私，所以聯邦學習可以解決資料不用離開機構的問題，所以很多醫療院所都對此技術感到興奮。

畢竟醫療資料離開醫院是種挑戰，但若涉及跨國資料傳輸，則又是另一種層次的挑戰。

許多醫院都面臨資料保存超過10年，卻缺乏一套合理的分析環境與方法，此時若能加入特定組織發起的聯邦學習機制，將望解封資料原有價值與可用性。

雖然聯邦學習開創AI訓練的新境界，不過在醫療領域則已經具備行之有年的應用模式。

如臺北醫學大學附設醫院便參加國際健康數據聯盟，運用標準ETL工具參與多種國際研究專案，除有助於掌握全球醫療趨勢之外，也讓醫院在國際上知名度持續攀升。

儘管在AI領域，聯邦學習效益逐漸浮現，然而合適應用環境尚且沒有定論。

考量到在生醫領域是講究證據，而為確認聯邦學習、傳統中央式訓練模式的優劣，在許明暉規劃中，除臺北醫學大學附設醫院之外，也將進一步整合旗下萬芳醫院、雙和醫院、新國民醫院等醫療資料，同步確認兩種AI訓練模式的實際效益，做為事後發展AI醫療的參考。

這篇文章對您有幫助嗎?👍👎 標籤:聯邦學習臺北醫學大學許明暉醫療業 上一篇文章 台灣轉型升級從醫電整合開始 下一篇文章 資料治理－資料資產管理的最佳實踐框架 相關文章 風雲人物 【專訪】臺灣數位治理協會理事長陳春山 2022-03-07 風雲人物 【專訪】四維集團資訊長廖俊儒 2022-03-07 風雲人物 【專訪】中國醫藥大學附設醫院資訊室副主任孫培然 2022-03-07 下一篇文章 資料治理－資料資產管理的最佳實踐框架 發佈留言取消回覆發佈留言必須填寫的電子郵件地址不會公開。

必填欄位標示為*留言顯示名稱* 電子郵件地址* 個人網站網址 在瀏覽器中儲存顯示名稱、電子郵件地址及個人網站網址，以供下次發佈留言時使用。

📈CIO點閱文章週排行 探索大山背後的美麗中小型IC設計業成功之道 0分享 分享0 Tweet0 【金融業】玉山打造科技聯隊瞄準數位金融商機 0分享 分享0 Tweet0 2022年度CIO大調查報告下載 0分享 分享0 Tweet0 明鏡為鑒：10個數位轉型成功案例 0分享 分享0 Tweet0 傳統HIS微服務化的起手式 0分享 分享0 Tweet0 AI最常見的應用有哪些？ 0分享 分享0 Tweet0 疫情意外加速全球寵物經濟發展 0分享 分享0 Tweet0 【專訪】國泰金控資深副總姚旭杰 0分享 分享0 Tweet0 訂閱式服務如何管理？SaaS管理平台的選擇 0分享 分享0 Tweet0 CISO應優先考量的15大重點策略 0分享 分享0 Tweet0 追蹤我們的Facebook 數位及平面 CIOTaiwan網站 CIO電子報 《CIOIT經理人》數位版雜誌(Zinio) 《CIOIT經理人》平面雜誌 關注社群 Line加入好友 Facebook粉絲頁 合作夥伴 CIO協進會 CIO.com 關於我們 關於我們 隱私權政策 旗訊科技股份有限公司|100台北市中正區杭州南路一段15-1號19樓|TEL:886-2-2321-4335 Copyright©FlagInformationCo.,Ltd.AllRightsReserved. 登入 註冊 沒有結果 查看所有結果 活動 影音 最新文章 產業速報 新聞速寫 風雲人物 CXO分享 產業瞭望 專欄 精選文章 原生現場 供應商視野 線上調查 CIOIT經理人雜誌 電子報 下載 聯繫我們 ©2020CIOTaiwan版權所有 CIOTaiwan歡迎你回來！可用使用者名稱或Email登入 記住我 忘記密碼 註冊 歡迎註冊CIOTaiwan網站會員請設定Email及使用者名稱（使用者名稱不接受中文、將來無法更改） 欄位皆為必填 登入 找回密碼 請輸入使用者名稱或Email以重設密碼 登入 您已閒置超過3分鐘了，為您推薦其他文章！點擊空白處、ESC鍵或關閉回到網頁 抓住資料科學本質用Excel徜徉在資料分析技術大海中 文／旗標科技人工智慧（ArtificialIntelligence）、機器學 【零售業】雅詩蘭黛驗證了AR擴增實境的商業價值 在後疫情零售時代，虛擬實境(augmentedreality,AR)平臺 【專訪】佳格食品資訊處處長李俊明 虛實通路資料整合佳格食品即時掌握消費市場動態引進微軟PowerBI商業 看好自邊緣安全接入雲端Aruba搶佔SASE先機 看好SASE的發展態勢，Aruba整合SilverPeak的EdgeConne 安口食品機械如何航向服務創新轉型之旅 CIO價值學院第五堂課─數位轉型與創新安口食品機械總經理歐陽志成強調，安口要全 IDC公佈2022年台灣ICT市場十大趨勢預測 過去一年企業前所未有的數位轉型（DX）加速迎來了一個數位優先(DigitalF 文章分類 產業速報 專欄 影音 風雲人物 CXO分享 產業瞭望 原生現場 精選文章 趨勢分析 供應商視野 新聞速寫 下載 Sponsors 熱門標籤 最新文章 雲端運算 人工智慧 數位轉型 製造業 物聯網 資料與分析 資安 區塊鏈 5G 儲存 基礎架構 活動 CIO價值學院 企業防疫與持續營運計畫線上座談會 亞太CIO線上高峰論壇 製造業CIO論壇 金融CIO高峰會 AsiaLeadershipForum2020 智慧醫療研討會 商業服務科技論壇 CIO大調查 影音 影音