疫情加速各產業數位轉型，醫療業首當其衝。即使近兩年醫療院所早已不斷加速各項資訊系統的現代化，如智慧辨識、監測系統、臨床檢疫及遠距醫療等，但轉型速度仍不敵Omicron的傳播力。

近期醫療人力與資源的最佳配置成了最大挑戰，前線醫護人力吃緊靠使命感苦撐，但同時也有縣市釋出包含PCR篩檢爽約率、「快篩陽性確診評估」視訊診療服務未看診率¹高達30％等資源浪費的消息。

其實早於我們，歐美醫院已經歷過更癱瘓的醫療體系崩塌景況，國際間帶給我們哪些觀察?對人力資源更難有彈性的他們，如何看待科技的助力，開始擁抱AI來因應解決呢？

綜觀國際經驗，全球數據分析領導者SAS，台灣總經理陳愷新歸納醫療院所面臨資源調配的三大挑戰：

挑戰１》醫院無法預測來院的病患數量：因為掛號病患的未出席率難掌控，相應的醫用品數量只能粗估，再加上如急診室因將病患轉院後送，人數浮動也讓連帶需求更難估算。在人力與設備無法有一定程度的預測下，不僅困擾醫院營運成本，據英國國衛院贊助調查指出²，病患人流的難掌控也導致全球在新冠肺炎高峰時期有超過 2,800 萬個手術堵塞事件。

挑戰２》醫用品的庫存壓力：醫用品往往有使用期限的壓力，加上許多醫院須用冷鏈保存醫用品，醫用品浪費的情況嚴重，據哈佛衛生公共學院的報告³，全美約有30%醫療支出被浪費。

挑戰３》降低資訊系統與設備停機時間：因為系統、設備停機或維修，導致醫院人員花許多時間等待。哈佛商學院曾調查顯示⁴，第一線醫護人員至少有 10% 的工作時間浪費在無法取得資訊、用品或設備。

對此，SAS台灣總經理陳愷新指出，「國際間許多醫院開始將AI從『開源』還有『節流』兩個層次，著手協助醫院緩解資源配置的壓力。」

以「開源」而言，美國的慈愛醫院(Mercy Hospital)推出遠距醫療計畫「engaement@home」，另闢診療管道為慢性病患看診。他們建立資安環境、提供平板和無線監控儀器，讓慢性病患者與醫療中心24小時連線。

以SAS AI系統運算個人化的潛在警示條件，遇臨界值系統將自動警示病患；病患按下按鈕，也能自動通知醫療團隊。慈愛醫院藉此將不必要的住院和急診量減少了 50%，醫院內的資源就能留給更需要的人，創造更大的價值。後續，此AI系統還用來評估適合加入此照護計畫的病患，主動提供個人化照護給高風險病患。

而「節流」面，則是利用AI的預測力，來對人、物、設備做到精準掌控，確實超前部署，這部份可分為三大面向：

面向一：掌握病患數預測醫療資源需求

陳愷新說明，第一面向即為提高對病患到院的掌握度，預測病患來院時間、顛峰時間的病患人數，以確保醫療服務、人員和醫用品足以因應。

像慈愛醫院即以AI先做到運用AI預測急診病患住院的機率。優化護理人員排班及床位安排，讓急診流程更加順利。再者，以AI預測預約未出現的比例。為了方便醫護人員安排流程，每位掛號的病患都會顯示不出現的機率，若來診的機率低，便會事前以簡訊提醒病人須回覆確認。

後續，他們也以AI預測癌症病人再住院的機率。此應用是以AI模型預測癌症病人回家後，因情況惡化而於一個月內再住院的10種情況，醫院以此準備病人的出院提醒、定期回診需做的項目等，降低病人個人化再住院的機率。此模型還獲得社區癌症中心協會ACCC的創新獎。

面向二：預測員工、設備和用品

被譽為全美最佳醫院的克里夫蘭醫學中心(Cleveland Clinic)透過SAS AI準確預測需求，調整設備及用品的庫存，以優化其採購週期，減少資產和消耗品的浪費和重複，也確保有足夠對應職能的員工可以滿足臨床和營運的需求，包括醫護人員、接送人員和清潔工等。

對此，克里夫蘭醫學中心首先為他們的供應鏈管理打造AI預測模型。除了原有的醫用品物流與項目等，也納入外部影響因子，包括各類疾病、各患者數、疫情指數、中重症比率、天氣、溫度；及納入特定事件，如疫情警示、政策變化、假期等，以提高模型預測的精準度。更特別的是，他們甚至加入非結構化的資料，如社群媒體、新聞報導，以民眾的恐慌程度來預測病患的數量；還進一步把電子化病歷文字分析，將患部的嚴重程度也加入預測分析。這些前瞻性的作法，讓AI模型預測的精準度從75%成長至 88%！

陳愷新進一步補充，雖然疫情間資料蒐集遇準確性的挑戰，「但克里夫蘭醫學中心卻指出AI在變動中給他們的最大價值，即是做到『What IF』情境模擬規劃」，情境規劃功能可協助他們即時調整與模擬，如中重症比例從歷史的2％成長至4％時，或是心臟科別病患比例增加時，醫用品的庫存是否得以因應最壞狀況。而這也是即便數據量與準確度難掌握的情勢下，AI仍可發揮價值的所在。

面向三：穩定設備營運，精準掌控病患需求

確保系統、設備持續營運，不因維修、當機而中斷，是維運的基石。透過感測器監控醫療設備，以AI預測機器壞掉的機率，可有效減少非預期的資料傳送延遲或是停機時間。

陳愷新舉例，像是西門子醫療設備 (Siemens Healthineers)將感測器整合至核磁共振的儀器中，分析儀器及每個零組件的健康度，安排維修計畫，並建議醫院提早訂購零組件，成功減少36%停機的時間。擁有穩定設備的營運，才可讓醫療服務不中斷，且對病患病情有更精準地掌握，如此方可回饋到最佳的資源配置。

以AI做到「開源」、「節流」雙管齊下，讓醫療資源達到最佳化，可有效協助醫療院所的決策層級，在瞬時變化的環境中，做出更快、更好的決策。過往大家多著重以AI智慧化院內照護，然而包含導入資源配置或互動儀表板以最佳化營運，或洞察醫護人員需求提供心理健康支持，甚至以高品質數據預防社區自殺事件等，AI在醫療產業可發揮的應用已愈來愈多元。陳愷新強調，醫療院所已不只是一個救護或營利單位，而是支撐群體健康的重要體系，啟動其數位轉型的齒輪，將會擴及個人與群體健康的各生態圈，而這有賴更多資料科學同好一同支持投入。

_{註1: PCR預約採檢爽約率2成5 王必勝：部北醫將調整預約上限、視訊診療3成爽約 「有醫生沒病患」
註2: Patient flow in the OR is clogged by delayed surgeries, estimated to be over 28m cases worldwide
註3: Reducing wasteful health care spending begs the question, what is waste?
註4: Frontline staff spend at least 10% of their time working around situations in which information, supplies or equipment aren’t available}