【reBuzz 專欄】電腦不只會選土豆，還會看診！用 Big Data 算出你會得什麼病

隨著老年化社會的影響，醫療相關產業的發展可說是炙手可熱！從基本的製藥、輔具，到疾病管理、長期照護等等，應有盡有，許多創新服務也如同雨後春筍般不停地出現，甚至只要坐在家中，就可以跟醫師面對面討論病情，不用大老遠跑到醫院。

當然，大多數的人一生病，還是會優先選擇去找醫師檢查檢查；但有時掛號、等待的時間可能就長達一個小時，結果見到醫師的時間不到 10 分鐘。而醫師要在短短的看診時間內，了解病患的症狀與病史、進行診斷及開藥……，這一整個過程其實是非常緊湊的，除了醫師可能無法完全了解病患的真正情況之外，也無法提供較為完整的評估與建議，最嚴重甚至會造成誤診。

有鑑於此，現在有許多醫院及醫學中心開始主打強調「以病患為中心」的客製化醫療服務，而各國也開始進行病歷的雲端化，藉由電子病歷的交換，方便使用者在不同醫院就醫的時候可以不必在重新建立一份新病歷，間接也提高了醫療的服務品質。

但現在，有更聰明、更先進的解決辦法，就是大家耳熟能詳的－－海量資料、 Big Data ！

美國聖母大學（University of Notre Dame）的電腦科學系助理教授 Nitesh V. Chawla 與博士班學生 Darcy A. Davis 所研發出的客製化醫療建議服務 CARE （Collaborative Assessment and Recommendation Engine，暫譯為「協同評估與建議引擎」），透過大量的病歷資料的統計數據分析，提供個人化的疾病風險預測。

透過推薦機制，聰明找出健康的潛在危機

Chawla 認為，客製化的醫療服務除了能夠給予病患最符合需求的建議和治療之外，也能夠及早發現潛在的健康危機。

其實 CARE 的概念與「推薦機制」十分相近，像是 Amazon、Netflix 等知名的網路購物服務，都會採用推薦機制的方式，讓消費者能夠找到更多類似的商品。而推薦機制背後的原理，就是收集大量的使用者資料，從這些資料中分析出使用者看過、買過什麼商品，並且比較這些商品之間的關連性。因此當某位使用者，他的某些偏好、特性跟另外某些使用者很像的時候，系統就會認為他們彼此之間的「品味」（taste）很接近，便會進一步依據他們曾經購買過的商品，推薦給這位正在瀏覽商品的使用者。

那 CARE 是怎麼運作的呢？同樣的，CARE 也必須收集大量的使用者資料，包括他們的病史、生活習慣、環境因素等等進行交叉分析與比對。若 A 與 B 兩位使用者在各個因素、特質上都十分接近，A 所得到的某些疾病，B 得到的機率也就越高。因此 B 使用者能夠透過 CARE，預測自己是否有機會得到某些疾病，搭配醫師的診斷、檢查及規劃，趁早針對病患個人的狀況及需求建議更好的治療方式。

用科技，抓住醫師和病患的心！

醫療結合科技，技術雖然聽起來雖然硬梆梆，但還是環繞在「以人為本」的理念中，除了能夠透過大量資料協助醫師發現隱藏的問題之外，最重要的還是能夠藉由資料處理的結果，提供病患更精緻的醫療服務。

台灣醫療雖然面臨經費不足、人力緊縮的問題，但根據報導，我們的醫療技術在世界排名中仍然數一數二，而政府目前也大力推行「醫療觀光」，以精湛的醫療服務吸引外國病患到台接受治療，間接提昇觀光收入。未來若能夠導入相關科技，藉此紓緩醫師的勞力、減少無謂的醫療支出，相信一定能夠大幅地提昇台灣的醫療品質，讓醫療產業成為真正的「台灣之光」！

（參考來源：Notre Dame News, Journal of Internal Medicine；圖片來源：Flickr@hang_in_there, Flickr@BBVAtech, CC Licensed）