2020年起5年內最重要的醫療趨勢，就是醫院對「大數據」的重視愈來愈明確，將在大數據的儲存、精緻化與篩選管理（curation）投入更多金錢與心力。我們已經確認，有高品質的大數據，AI就能賦予我們洞見未來的能力，改變醫療「活在當下」的現狀。
【延伸閱讀】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
從丟掉數據到數據賦能
過去20年，醫療產業的數位化僅限於「無紙化」——形式上數位化了，卻沒有善用資料。甚至可以說，醫療機構密集產生資料，但同時也丟棄了巨量資料。
比如說，加護病房有許多心電圖等監控儀器，但儀器的資料大部分都用過即丟；昂貴的電腦斷層只存最後結果，過程中一片一片的影像也都被丟棄；洗腎費時四個小時，過程中數值變化資料也不會保存，最後只拿到一張A4簡易報告。
以現在的角度來看，會覺得「為什麼不儲存？」但對醫療機構來說，儀器只是為了監控現狀，提供醫生即時判斷的數據；加上過去儲存成本很昂貴，所以「擇資料而存」，只儲存最攸關當下的資料作判讀。
但當儲存資料的成本日漸低廉，愈來愈多人意識到，在AI時代，這些資料很可能都有用，於是開始儲存醫療過程中的資料。
【延伸閱讀】李友專專欄︱「AI會取代人類醫師」？你可能問錯問題了
我曾經算過，與健康相關的變數超過200萬個。在舊思維裡，可能只會保存其中10個最重要的變數；但在新思維中，我們更應該利用這些數據來訓練AI。
當然，不是儲存全部數據就是「大數據」。
大數據有三個特性：第一，數量大；第二，變項維度高，能包含眾多面相；第三，品質要好，不能有太多互相衝突的數據。大家已經理解建立大數據庫的重要，也愈來愈願意投入成本。
【延伸閱讀】李友專專欄︱付不起的醫療未來，人工智慧如何支持我們健康老去？
從活在當下到洞見未來
過去，醫療就像在迷霧之中，只能處理當下，無法準備未來。但好好整治豐富的醫療資料後，會發現它能夠提供前所未有的決策與預測能力。
以前，我們只能看到眼前的一步，現在漸漸能往前看十步，這種能力改變了醫療的視野，使我們能洞見每一個病人的未來。
未來透過AI技術，醫生可能僅憑電腦斷層掃描結果，就能預測病人將在第幾天出院、甚至過世，準確率高達90%以上。這也意味著，當醫生可以準確預測未來，就愈有辦法預防疾病發生。
其次，大數據與AI賦予醫療的洞見，還能達到個人化精準醫療。
由於掌握數據不足，過去醫生只能用粗略的因素，如年紀、族群區分病情。例如，女性乳房篩檢，45歲到69歲女性都建議兩年做一次；實際上，每個人罹癌風險差別可能高達幾千倍。
假設乳房攝影的結果，是1000人裡100人有陽性反應；去除偽陽性，可能只有5人真正罹癌。然而為了找出這5個人，卻有900人白白承受放射線；還有95個人因為偽陽性而整天提心吊膽，這樣值得嗎？
如果能提高準確度，不但能節省檢查費用，也不會增加健康者的風險有人—這個解法就是大數據，只要增加家族史、飲食習慣、糖尿病、高血壓⋯⋯等變數，就能增加篩檢準確度。
我們曾開發一個乳癌預測模型，準確率高達90%。只要不到十位受驗者，就能找出五位罹癌個病人。哪怕是早一天、早一個月知道病況，都能降低好幾倍醫療費用，甚至是生與死的差別。
投資好的大數據，AI就能夠賦予我們洞見未來的能力，提早解決問題。
台灣擁有全球稱羨的數據本錢
數據是2020年後智慧醫療的重要基礎，台灣正好具備了優勢——台灣是全世界少數擁有深度表現性資料（deep phenotype data） 的國家；若要列舉這些數據能做出的應用，我會說：The sky is the limit.
什麼是深度表現性資料？指的是膚色、身高、體重、眼睛顏色、罹患的疾病等外顯型的身體、健康紀錄。
台灣人平均每年看15次病，在全球進步國家中數一數二；每看一次病，就會被記錄一次表現型資料，而且是由醫生親自紀錄、有品質、精準的資料。全世界也只有台灣累積25年以上的深度表現型資料，可以成為AI模型背後量大又質精的數據基礎。
舉例來說，過往要測試降血脂藥對不同人的效果，多半要做臨床實驗。但臨床實驗費用昂貴，且受試者均經過篩選，懷孕、高齡、幼童、疾病用藥者等都不能受試，因此常引發質疑：健康臨床試驗者能代表真實世界的人們嗎？
因此，台灣所擁有的「真實世界資料 ( real world data) 」就顯得更有價值、更能反映實況；也能讓未來醫療獲得前所未有的洞見，發展出更強的預測與預防能力——這也是AI帶給人類最好的禮物。
