今(30)日，2021 行政院生技產業策略諮議委員會議(BTC)首日的交流與討論環節中，針對本次會議主軸之一的「數位醫療」，多位BTC委員和特聘專家分別指出，臺灣在應用健康數據開發商模時，該如何吸引投資者，以及走上國際的重要性；如何從醫院端改善科技難落地的問題；並提出人體生物資料庫(Biobank)，不應只是蒐集一次性資料，且更須重視資料品質。

數據用於「預測」更吸引投資人 走上國際為要點

Vivo Capital投資公司合夥人孔繁建首先表示，目前國內第一階段精準醫學中所應用的數據，仍大多停留在「資料探勘」(data mining)階段，雖然許多醫療行為的確可透過大數據加值，但僅在此階段非常難建立好的商業模式。

「運用數據產生『新資訊』並應用於預測健康風險等照護領域，這比資料探勘更吸引投資人。」孔繁建表示，例如以數據運算來預測長輩跌倒的裝置，就是較能吸引國外投資者的技術。

資誠聯合會計師事務所榮譽副所長曾惠瑾也有感表示，臺灣在掌握趨勢上其實不落人後，但因企業規模太小，即便掌握先機，仍常在追趕時後繼無力；她建議，臺灣企業要走上國際，如何吸引資金，需要大家集思廣益。

臺灣併購與私募股權協會榮譽理事長黃日燦也表示，臺灣在智慧醫療領域上，還未有大錢進來，是因為臺灣市場需求還在釐清，若要擴大市場，就要往國外發展。

顧德諮詢公司總經理顧蔓芹更指出，臺灣一直以來最成功的商業模式，不是B2C而是B2B模式；目前國外智慧醫療發展，大多由國際大廠領頭，而臺灣智慧醫療發展，在掌握智慧產權與藥證下，或許可透過B2C的商業模式，與大廠合作走出國際。

從醫院端改善科技落地問題：加強醫院數位基礎建設、評鑑制度

廣達電腦董事長林百里首先站在科技廠角度指出，國內要推展智慧醫療時目前遇到的一大問題，是醫院內的IT基礎建設、人才部署仍有待加強，否則新技術、新工具將難以導入。

「以IT眼光看臺灣的優勢，是把硬體軟體結合成解決方案，先達到數位轉型，再達到醫療轉型。」林百里表示。

上騰生技顧問董事長張鴻仁也認為：智慧醫療的落地，需要有兩大策略來支持。他表示，目前國內大部分醫院的資訊系統約在20年前建立，難以負荷人工智慧，因此策略一是國發會和衛福部，需啟動醫療資訊的大型投資計畫，讓大、小醫院甚至診所，都能導入人工智慧。

策略二則是從健保下手，張鴻仁提出，行政院可在健保總額協商上，提出部分的健保成長率應使用於推動智慧醫療，這樣就能形成強大的推力。

臺大醫院內科教授楊泮池則直指，「醫院評鑑」制度應該與時俱進，才能讓醫院更願意發展智慧醫療。另外，臺灣也需要有好的場域，讓智慧醫療產品進行測試、驗證，臺灣先開始使用，產品才有機會走上國際。因此，怎麼鼓勵醫學中心、醫療單位或一般民眾去使用新的智慧醫療產品，也相當重要。

Biobank數據須為「連續性資料」、應重視數據品質QC

美國范德堡大學(Vanderbilt University)生物統計系主任石瑜指出，臺灣政府今年已在國衛院的「國家級人體生物資料庫整合平台」中，整合了30家Biobank，但他提醒，如果只是蒐集一次性資料，那麼其實意義不大，要以連續性的檢測資料，經過時間累積才能發揮效果。

他以美國國衛院(NIH)的「All of Us」健康研究計畫為例，該計畫以百萬人為目標，目前已募集超過40萬人參與。這些參與者的病歷與生物檢體，全部匯集在NIH，不會分散各地，且參與者不是做目標區間定序(Targeted Sequencing)，而是全基因體定序；不是只做一次性的微生物體檢測，而是做一系列的檢測。石瑜建議，臺灣也應該由國家來主持生物資料的蒐集。

顧蔓芹也建議，臺灣現在Biobank 所收集的資料多屬「前瞻性」的，國內仍有許多「回溯性」的資料未被善加利用，若能突破個資問題，把這些資料加以應用，將能擴大臺灣在大數據的強項。

楊森藥廠(Janssen)全球診斷策略及開發總裁馮玉蓮，則進一步對AI技術表示，數據的品質非常重要。

以她過去參與AI相關開發的經驗上，最後難以完成成品的原因，往往並非因為AI技術有問題，而是數據「Garbage in, garbage out」(垃圾進垃圾出，係指輸入的數據錯誤、無意義，則產出結果也會無意義)的問題。她強調，Biobank除了平台建立外，後續的QC、控管數據品質皆非常重要。

臺北醫學大學講座教授閻雲則提醒，目前大家討論的議題，較少討論兒少的健康資料收集，現在北歐國家，都開始重視兒少健康數據，臺灣切勿忽略這塊。

(報導/巫芝岳、彭梓涵、劉馨香)