早覺醫療的核心精神，是在各階段健康照護中再多道守門把關，運用AI特性幫助各項照護能夠更加準確、及時、個人化、可執行。因為，要乖乖聽醫生的話，真的很難！

____________________________________________________________

診間裡常聽到這樣的對話。

醫生：「藥都有按時吃嗎？」

病人：「有⋯⋯」

但健康管理是件知易行難的事，耳熟能詳的「一日五蔬果、日行萬步」、「按時服藥」，能真正實踐在生活中的人並不算多，當中能持續執行不間斷的人也是少數。即使是生病的人，也不見得都能自己做好照護管理。

以常見的高血壓來說，大部分的病人必須終生服藥控制血壓，並且每三個月回診一次。用90天來算，只有在回診那一天得與醫師面對面，其餘89天就是自己面對自己。

高血壓病人剛開始服藥時，會因為血壓下降反而感覺昏沉；連續服藥約七天後，身體才會開始習慣感到正常。然而隨著時間過去，病人開始對「正常」無感。昏沉或無感狀態下的病人很容易覺得「一天不吃沒關係」、「藥吃太多不太好」，於是慢慢演變成兩天、五天不吃；或是醫生說吃兩顆，自己任意改成吃一顆等等。

除了服藥，高血壓病人也必須持續量測血壓紀錄數值。正確量法若參考歐洲的規定是：三個月當中的前11週，為每週固定選兩天的早晚各量一次；直到回診前一週，必須調整為每天早晚都要量，持續這樣的循環。

當中究竟有多少人，真的都量對、記對，每次回診都帶著記錄給醫生看，又維持不間斷呢？根據臨床觀察，遵囑率大約只有25％。

當病人再次回到診間那天，醫生發現血壓依舊異常，問「藥都有按時吃嗎？」面對醫生的權威形象，病人很容易選擇回答「有」。病人提供的資訊一旦不透明，服藥不確實，又沒能提供有效的血壓量測紀錄，醫生很有可能被誤導推論是病情無法控制，因而調高劑量。結果病人拿了更多藥，回到家後，再開始另外一次惡性循環。

類似的劇情常在診間上演，但人的一生大多在醫療院所以外的地方度過。生病時，除了住院以外，在門診裡與醫護人員面對面的時間通常不長，步出醫院之後，一切的健康照護管理都要靠自己或親人。

隨著環境與疾病越來越複雜、科技越來越進步，我們必須應用各種工具、做好各種健康照護管理。AI於早覺醫學的應用，即是在預防照護階段「預測健康惡兆」、急性照護階段「預測主要疾病」，及長期照護階段「預測失能惡化」等相關風險。

一、早覺預防照護：用AI預測健康惡兆

做好初級預防照護需要先釐清優先順序、執行頻率，及依據動態風險適時調整執行計畫。現行的疾病分類多達六萬多種，我們怎麼知道自己會得哪幾種？不同疾病有不同預防重點，在時間與資源有限的情況下，如何知道自己要先做哪些預防措施，以及各方法的執行頻率？

身體狀況隨行為與環境改變，得到各種疾病的風險也隨時改變。我們需要的，是能幫助使用者在日常生活中做到「個人化的動態追焦」，提早預測健康惡兆，而且成本必須是負擔得起。當使用者身體狀況處在高風險時，能夠適時建議該去找醫生、該做哪些預防檢查及追蹤，以免為時已晚。

就乳癌的乳房攝影篩檢為例，檢查結果發現異常者，必須回診追蹤。研究顯示，美國約有40%1的女性並未回去做進一步追蹤診治，而下一次再回到醫院時，通常病情都已相當嚴重。

【繼續閱讀】：如何掌握醫療體系的「三不管地帶」？早覺醫療：醫療AI的新戰場（上）

二、早覺急性照護：用AI預測主要疾病

急性照護重點，在治療過程和術後追蹤。醫療過程中有很多例外，教科書上教的不見得都能直接應用在病人身上；而病人反應的問題，書上也不見得都找得到答案，同樣療程在不同病人身上可能產生不同反應。

因此，醫護人員需要仰賴實務經驗的累積，依據個體差異性調整，每位病人都需要確實監督與追蹤。在忙碌的現代社會，百密總有一疏，尤其當病人不在醫院時，更是需要透過AI協助主要疾病風險預測。

以癲癇來說，病人必須配合服藥控制。然而藥效因人而異，加上不同類型的癲癇需要搭配不同藥物，得綜合考量藥物副作用、交互作用、個人生活狀態與病史、家族史等條件，調配適合劑量，需要時間與耐心，找出有效控制病情的個別黃金組合。

如果病人未按時服藥，或生活中產生新的誘發因子如壓力、睡眠不足等，皆有可能再次發作。而每次發作也都有潛在危險，特別是全身性僵直陣攣型發作 ( Generalized Tonic - Clonic Seizures ) 更有猝死的風險 ( Sudden Unexpected Death in Epilepsy ）。

針對此問題，美國醫療科技新創公司Empatica，開發出一款藉由偵測膚電反應預測癲癇發作的手環。當偵測到病人有異狀時，能夠即時警示照護者，讓照護者有機會在第一時間趕到正在發作的病人身邊，避免病人受到其他更嚴重的衍生傷害。

三、早覺長期照護：用AI預測失能惡化

慢性病病人不用常常回到醫院面對醫生，重點在於居家的監督、追蹤、鼓勵。慢性病如果能在早期便控制好，長期的副作用就會比較小、也比較晚發生。

在居家照護重點上，除了如前述運用AI增加醫療順從性，另一個重點，在於延緩病人失能惡化的速度與時間。

依照日常生活功能，失能可分為五級：第一級「能夠獨立完成」、第二級「需要少量協助」，類推到第五級之完全依賴專業照護。

透過AI將風險外顯，計算出「惡化到下一級失能」的風險有多高，提高病人對於失能惡化的危機意識與迫切感，才能增加病人及照護者投入資源在失能預防上。

例如，居家環境中的跌倒防護設施與相關安全評估，其實非常重要；甚至需要專業人士到府評估，改動家裡的環境光線、動線、加裝輔具等等涉及部分工程，茲事體大，難免有些人不願意或不清楚改裝必要性。

【繼續閱讀】：李友專專欄︱「AI會取代人類醫師」？你可能問錯問題了

一旦將失能風險外顯化後，更能強化病人與家中其他成員的意識與動機配合改裝，才能有效控制惡化風險。

研究發現，光是服藥遵囑率差的後續衍生醫療成本，至少高達1000億美金2 ，若在加上其他行為遵囑率不良的成本估算將更加可觀。早覺醫療的核心精神，即是在各階段健康照護中再多道守門把關，運用AI特性幫助各項照護能夠更加準確、及時、個人化、可執行。

因為，要乖乖聽醫生的話，真的很難！

參考資料：

1. Poon EG, Haas JS, Louise Puopolo A, Gandhi TK, Burdick E, Bates DW, Brennan TA. Communication factors in the follow-up of abnormal mammograms. J Gen Intern Med. 2004 Apr;19(4):316-23.
2. New England Healthcare Institute. Thinking outside the pillbox: a system-wide approach to improving patient medication adherence for chronic disease. 2009 Aug.

【專欄反映作者意見，不代表本社立場】

李友專

醫學是太太，電腦是情人

是位具有醫學資訊研究所教授頭銜的皮膚科主治醫師。初中時父親買回一台電腦Golden II開始寫程式，而後進入醫學系，實現了IT技術和臨床醫學的完美融合。
2010年10月當選美國醫學資訊領域最高學術榮譽委員會美國醫學資訊學院（ACMI）院士，成為唯一一位來自亞洲的院士，被稱為台灣醫學資訊之父。 

>>本文刊登於《未來城市@天下》