第二場「推動智慧醫療的挑戰」，吳明賢邀請衛生福利部健康保險署署長李伯璋與雲象科技執行長葉肇元，一同對談。
未來城市首季以智慧醫療為題，邀請台大醫院院長吳明賢擔任客座總編輯（左二），並與衛生福利部健康保險署署長李伯璋（右二）與雲象科技執行長葉肇元（右一）對談。
智慧醫療為何需要數據？健保又有多重要？
未來城市問（以下簡稱問）：大家期待智慧醫療成為新護國神山，但會遇到哪些挑戰？
吳明賢答（以下簡稱吳）：台灣醫療科技相當進步，ICT產業也是執世界的牛耳，大家看強強聯手很簡單，馬上可以變成世界第一，但其實兩個完全不同領域想結合，就像公司合併案，會有文化、制度磨合。
另外，法規也需要進步，尤其智慧醫療與人工智慧需要取得數據。
李伯璋答（以下簡稱李）：利用大數據尋找經驗是非常有意義的事。我擔任健保署署長已4年7個月，剛來時，人家跟我說：「健保不倒，台灣不會好」。但後來，我認為要珍惜前輩規劃的健保制度，沒進健保署，你很難瞭解它是力量非常強大的機構。
過去幾年，我們想推動分級醫療，希望病人在台大醫院看病後，到其他診所時，醫師電腦也能看到在台大醫院所做的檢查結果。2018年，我們希望上傳這些影像，問題是，上傳數據量很大，再來是，要怎麼去善用數據。業界若能好好利用，對台灣產業升級的幫忙很大。
衛生福利部健康保險署署長李伯璋。
吳：這次防疫做這麼成功，其實健保就扮演滿重要關鍵。以健保卡來講，很多人去過哪裡都可以一目了然。
第二個關鍵是，美國醫療科技這麼進步，為什麼防疫做這麼差、出現很多社區感染？因為，他們只要有10%的人不敢用或沒有醫療保險，得到一般感冒就不會到醫院去——但這些人卻有可能是新冠肺炎確診者。
當然我們非常肯定中央指揮中心的超前部署，將病毒阻絕於境外，但不可能一直阻絕，一定會有進入社區的漏網之魚。所以，大家必須想一想，健保在防疫扮演很重要的角色，更別說健保還有很多金礦、銀礦等我們挖掘。
困難一 台灣軟體業不夠強
吳：我也想問葉肇元醫師，他有醫師背景，又懂運算與科技技術，也自己建立智慧醫療平台——他就是我常常講的橋樑。請葉執行長談談在業界的想法、實際碰到的阻礙。
葉肇元答（以下簡稱葉）：大家討論「強強聯手」時，我想請大家想一下所謂的「強」是強在什麼地方？台灣科技業的強，大部分是強在電子製造業，但智慧醫療產業裡的「智慧」成分，有很多應該要從軟體業來。
過去一年，我花了非常多時間思索，發展智慧醫療時，所以我們需要另一個堅實的產業後盾，就是軟體業。若軟體業沒辦法跟上，我覺得智慧醫療會受到限制。
當大家聽到我講台灣人不強時，會覺得非常訝異——台灣創造這麼多資工人才，軟體業怎麼會不強？
其實，有很多第一線人才不代表產業會強。在軟體產業裡，我們缺乏將軍，事實上我們缺乏營長、連長、排長，我們只有士兵。沒有中階人才、跨領域高階整合人才，整合變得非常困難。
雲象科技執行長葉肇元。
台灣發展新創還有一個問題，我們跟投資人講智慧醫療的大夢時，他們會說台灣醫療是世界第一，但講到軟體業就會皺眉頭；最後，講到要怎麼把商品賣到國外時，其實我們有時候很難解釋。也因為這樣，資金無法到位，很難形成正向循環。
我們跟單一醫院合作，可能會做出不錯的商品，但若要領先世界，我們必須用到非常大的數據。其中還沒解決的法規制度，就是我們面臨的挑戰。
當然，我們也有看到希望，比如跟台大醫院合作的骨髓抹片AI產品，是世界唯一的產品。若能再整合周邊制度、資金、人才，我覺得我們還是很有機會。
看見新冠肺炎下的新機會
問：吳院長覺得合作中遇到什麼挑戰？又看到什麼機會？
吳：AI落地三部曲裡，比較慢且困難的是，第一部分資料收集與第三部分落地應用。
資料收集方面，過去台灣相當優秀，例如，台大跟雲象合作的骨髓抹片AI產品，因為台大過去有很多的血液抹片，且相當精準，是世界上少數醫院能做到的。所以，用AI來判讀這些血液抹片，絕對是世界唯一。
唯一可能比第一更重要，因為很多第一的產業，常被唯一的產業消滅。以內視鏡的發展為例，世界上第一個開發出內視鏡的是美國公司，可是現在市面上都是日本Olympus內視鏡。
所以，找到唯一或獨特的利基，對智慧醫療產業發展非常重要。
同時，過去台灣的成功常在於製造業，大多人採取硬體思維，這是我們必須改變的。比如說，新冠肺炎改變了很多，包括我們過去認為不能做的，現在都可以做。
例如，過去我們不敢遠距隔空看診，但現在就可以。還有，過去你利用健保卡或是利用手機定位來監測人民，這是侵犯隱私。但為了防疫，現在我們也這麼做。從這些機會的角度，我想Covid-19其實為智慧醫療產業提供了切入的時機點。
台灣全民健保在防疫中扮演重要角色。圖片來源：Shutterstock
問：健保數據在防疫也發揮很大作用，我們看到什麼新機會？
李：分級醫療很重要，讓台灣醫療體系中，醫學中心、區醫院、地區醫院或診所能合作。為了這樣的概念，我們推動在雲端分享醫療資訊，把很多影像、數據都上傳雲端，希望大家看病更方便。
同時，大數據也要有資料才能研究。相較之下，每家醫院能搜集到的資料有限，但每年都有很多數據上傳到健保雲端。因此，像廣達林百里先生與許多醫院合作，但若與健保署合作，也是相當具有前景的。
現在，每個醫院都有零散的Covid-19影像。像成大醫院，除了用Covid-19的X光片資料診斷，也將這些資料、診斷方式上傳到Google，讓更多人用。其他醫院看到疑似病例，也能上來利用這些資料。
醫生可能較不考慮商業利益，但對國家來講，商業利益是重要因素。所以，賴清德副總統都到健保署參加醫療資訊雲端分享研討會；此外，像台大醫院對胰臟癌的AI診斷應用，也能給醫界很好的參考。
當我們把這些東西做得更好，就可以變成商業化方向了。
台大醫院團隊成功開發世界首創「胰臟癌人工智慧偵測模型」。圖片來源：截自MeDA Lab影片
困難二 數據的代表性
吳：要發展AI，數據非常重要，但數據代表性是否足夠？
剛才署長提到胰臟癌應用，我們先用台大資料建模，再用健保雲端影像驗證，成為一個成功案例。
在美國，他們發展智慧醫療的腳步非常快，但有些AI演算法驗證後，卻是錯誤的。主要理由在於，美國醫療系統照顧的大多是白人，運用這些資料完成的演算法，放到黑人、黃種人身上，就可能產生誤差。
葉：數據驅動的人工智慧有個特性，就是你餵它什麼資料，它就會做出什麼樣子的預測。所以訓練AI時，必須謹慎取得數據。
最近美國做了比較極端的測試，他們拿五個眼科AI產品，發現最差的產品，正確率只有50%，但它反映的也是數據的現實。
我們在開發AI時，喜歡跟指標性醫院合作，他們的技術水準最高，但收集的資料狀態可能會跟其他地區醫院差非常多。這時，AI只會適應大醫院非常乾淨的資料，一旦部署到地區醫院，就可能做出偏差診斷。
這個例子也凸顯了健保資料庫的價值。畢竟從商業角度來看，若要與所有醫院合作AI，簽訂合約太困難、耗費過多人力，實在不可能。
但把醫院當起點也非常好，因為健保資料有另一困難。我們做AI時，最早都要回溯病例，例如看病理報告，清理掉資料庫中的無用數據。但健保資料庫無法回頭確保每筆資料的正確性，要花費人力也會變得太高。
因此，我觀察台灣最好的模式，可能是與醫院合作、取得最高品質資料，又可以透過健保資料，讓它適應在整體人口結構中。
雲象科技利用AI標示肺部癌症細胞。圖片來源：截自雲象科技影片
李：葉執行長說得沒錯，「Garbage in, garbage out.」也有人跟我說，健保資料庫相當於垃圾，但重點在於你怎麼把它清乾淨。
最近我們在跟廣達合作，讓所有資料都以固定格式輸入進資料庫。健保署同仁也整理過去25年、台灣醫療體系用健保大數據寫的6,038篇文章。一旦我們盤點好關鍵字，未來醫界想做相關研究，就能知道過去的人如何利用這些數據、做了哪些事。
剛還有另一個重點。我們討論癌症用藥時，若發現台灣的免疫療法數據，並沒有比傳統標靶治療更好，就不必盲目地使用更高價格、選擇免疫療法。
怎麼做？現在，免疫療法有一定格式、必填資料，讓資料更齊全。把全台醫院的數據整合起來，又快又可信。
吳：智慧醫療另外一個名稱就是「數位化醫療」。台灣醫療數位化做得非常好，特別是政府，不只健保資料庫，甚至有罕見疾病、死亡相關資料庫。
我舉另一個例子，日本很早開始做大腸癌篩檢，但他們沒有身分證，所以沒有數據顯示篩檢效力。而台灣的大腸癌篩檢，從2005年追蹤到現在，已能向世界提供一種有效的篩檢方式偵測糞便潛血。
困難三 數據使用限制多
問：健保署除了處理資料，還有沒有其他部分能幫助業界？
葉：有的，我們向健保署申請使用資料時，也瞭解到現在的侷限。
首先，現在想用健保資料，真的要親自到健保局裡去用。當然，這是因為健保署對資料安全採取非常高規格的防範措施。我們充分瞭解資料安全的必要性，但從業界觀點看來，這也讓開發無法進行。
有時，在學校做AI會有種幻覺，好像一位學生就做得出來；但在業界其實不是這樣，因為我們對資料品質的要求非常高。我們有專案管理團隊，進行一個AI產品，通常會投入10到20個人力，這些人若都要到健保局去使用資料，其實很困難。
另外還有法規問題。
講來講去，還是《個人資料保護法》，其中的第六條規範是個緊箍咒。最後，我們採取較慢的做法——跟醫院合作，有人體試驗委員會（Institutional Review Board, IRB）的允許，有時甚至要簽知情同意書，這也算是業界實際往前一步了。
但我剛也提到，如果我們的AI要非常厲害、貼近真實世界資料的分布狀況，我們必須要真的用健保資料讓AI再練練，而不是只看最厲害的醫學中心資料。
就現在法規而言，我們非得要走一個產學合作路徑不可，因為健保資料當初的收集目的，並不是研究發展用途。
業界其實也可以幫助尖端醫學研究，比如我們公司從事非常多科學研究、發表論文，但國家其實並沒有補助，我們非常辛苦，必須自己的錢來做事。
問：個資法第六條，認為數據只能拿來學術研究，連對公眾利益有關的使用範圍，似乎都還不行，對不對？
吳：法律若沒有與時俱進，維持立法初衷，著重防弊而沒有興利，對台灣社會進步或科技發展，其實會有問題。
並不是說歐美沒有類似問題，他們有條法律指出，若與大眾利益有關，去識別化資料或數據就不牽涉隱私；特別是幾百萬筆的資料已經不是個人，而是大眾樣貌。這時，他們就會從興利角度判斷准許。
所以，我想我們要說服的不只是立法者或政府，也要跟民眾溝通，特別是人權團體。
人權團體的目的也是保障個人隱私、促進幸福快樂。我一開始也講，健康在這時代不是第一，是唯一。這也是為了促進民眾健康、台灣社會進步，所以應該要趨向國外做法。
做任何隱私保護，都會有技術很厲害的駭客竊取資料；有人說，就算去識別化，還是有人可以再恢復。
可是，我們不要因為有這樣的人，就阻礙我們的進步。我們應該重懲這些人，當這些人知道做好事的收穫比較大，做冒險的事代價會比較大，他就不會去做不好的事。
這也是我在台大醫院的做法。過去跟業界合作，院方規定要在某地、某時才能做分析，且資料不能攜出。我就笑稱那個是「網咖」，在網咖怎麼做AI研究？所以我就把它解禁。
但解禁前，就先訂定嚴格懲處，要是這些資料不是研究用途，就要重懲，這也是給立法單位或民眾的參考。
困難四 法規防弊勝過興利
問：李署長怎麼看？
李：當年賴副總統當行政院長時，還有陳美伶當國發會主委時，都強調法令應該鬆綁，否則就沒辦法改善環境。
健保署資料，如何務實地讓醫療體系或業界利用，是我們的目標；所以，我們想先開放使用350萬位死亡者的數據。但死亡的人是否還是自然人、受個資法保護？這件事就有不同論述。
在台大醫院看病，你會發現有一張同意書要填寫資料，確保以後台大醫院可以用。以前我們沒做到這點，但現在活著的人可以做。針對已經往生的人，我們應該找他的子孫填嗎？這些問題都很多。
吳：大家都在講AI就是人工智慧，其實有另一種AI叫做「Ambient Intelligence」，就是環境智能。環境智能利用非接觸性的感應器偵測一個人的活動，包括生理訊息，也包括臉部辨識。在國外，他們已用在安養院，在老人跌倒前就能預測，減少照顧人力。
因為這是用來做好事，就沒有侵犯隱私的問題。台灣還沒談到臉部辨識問題，不過我想，健保署資料透過去識別化，應該就能保護得很好。
李：除了去識別化還要去連結。之前，總統的病例也有駭客要駭，但那並不容易耶。因為，數據從醫院上傳到健保署時，幾秒內就有多重加密，一般人根本看不到。就算內部的人可能看得到，但誰進入系統都會被檢視。
吳：這也是為什麼我一直強調，要讓居心叵測又有技術的人受到重懲。肇元搞不好有其他想法？
葉：其實，台灣的防弊做得太好了，但興利卻不夠厲害。
最近，英國健保局公開近8,000位Covid-19確診者的影像資料集，國內外公司都能去申請這筆龐大的資料。
事實上，我們現在就要申請這些資料，因為我們很想做出東西來幫台灣。但首先，台灣確診個案不多，且法規沒有鬆綁，業界難以直接取得近期的病患資料。但台灣民眾失去了什麼？失去了我們用最尖端的科技，來幫民眾防疫的好機會，我覺得這個是人民權利非常大的損失。
台灣是模範生，但有時候模範生沒辦法做出讓世界驚嘆的東西。因為凡事都照規矩來，保證不會出錯，但也難讓大家驚艷。是時候換過來想：「到底我們能做什麼？」而不是害怕我們破壞了什麼。
吳：台灣在硬體或代工太成功，假如現在要成為醫療產業領導者，我們必須有跟過去不一樣的思維。思維改變、法規上的鼓勵，都是必要的。
國外產品已攻進台灣
李：未來，健保署一定會跟大眾多溝通。我們也要盡快鬆綁法令，唯有這樣，資料才會活起來。
其實，日本、韓國都非常積極，他們為了讓智慧醫療產業成長，採取法規的沙盒；但在台灣，都只是在討論階段，還沒開始做。
葉：我們在第一線觀察，發現國外產品已經進來台灣，尤其當台灣沒有完全獨特的資料，一旦別人的AI產品做完了，我們的資料價值就會瞬間降低非常多。
AI浪潮就算來了也會過的，要在浪潮還在時急起直追、把東西做出來，不然跟不上就完全沒有了。
問：哪些資料，時間過了就可能沒價值？
葉：我舉大家常見的胸部X光AI應用。胸部X光在人種間的差別不太大，比如不同人種的氣胸，看起來都一樣。
當有公司已蒐集十萬張資料集、做出AI模型，其實全世界任何一個地方都可以用——當他要來賣給台灣醫院時，若醫院做到一半，是不是就要放棄？
現在，我們也在醫院看到，韓國新創公司已經把產品引入台灣了；不只韓國，其他國家產品也都在台灣醫院試用中。
所以，如果國外廠商已把產品賣到台灣取證，台灣的發展優勢就少非常多，一項一項產品就開始不能做了。
我再舉內視鏡影像為例，日本做得非常快，產品也要進口到台灣了。一旦進口到台灣時，醫院會面臨選擇，因為醫院最後的責任是要提供病患最好的醫療服務。
它可以去故意選擇台灣的AI產品嗎？不行，它要選擇對病患最好的AI產品。若最終選擇剛好是日本產品，那台灣也就不用再發展了。
李：前陣子我們在討論用Covid-19看胸部X光片，AI模組能自行學習，像成大醫院就利用這個概念，診斷新冠肺炎病人。傳統上，我們認為要用胸部X光片確診肺炎不太容易，但智慧醫療能從中找出線索，假設台灣數據夠大，就能學習與應用。
所以葉執行長講得沒錯，我們要怎樣快速把握機會，讓數據資料能被充分利用，這也是我在這個位置的一個責任和目標。（延伸閱讀｜醫療AI，台灣來得及嗎？｜韓廠已賣進台灣 「不能用健保數據」成台灣新創致命傷）
台灣醫材的監管法規仍需加強。圖片來源：Shutterstock
期盼政府出面整合
吳：我想舉一個數據，假如一家公司每年的研發經費是7,000億元，但一直沒做出世界第一的產品，或建立品牌，這就是台灣健保的現況。
每年，健保花7,000億元在醫療上，而且好幾年前就從5,000億增加到7,000億元，假如有公司是這樣，可能就會被解散，或市場會反應這是一家爛公司。
確實，我們健保在醫療照顧上做得很好，可是我們只能做這樣子嗎？過去大家在講國際醫療，其實台灣有能力做國際醫療沒錯，可是除了做第一線的醫療工作，我們為什麼不能用研發引領世界？
其實，我們需要政府出面整合，且要發展智慧醫療這塊，需要整合的部分還滿多的。
問：可能還要整合哪些部分？
吳：除了資源，肇元也有提到跨領域人才的訓練，或我們對跨領域人才待遇，是否能像國外一樣有彈性。
美國之所以是創新大國，在於他們創造平台，讓所有跨領域人才或有好想法的人都可以一起做。
再舉另外一個國家的例子，以色列800多萬人口，只有台灣的1／3，可是以色列的新創非常值得效法。過去很多單位、包括政府，都有到以色列考察，但考察回來要如何落實、執行？我想這是比較重要的。
因為出了實驗室就沒有高科技，只有執行能力了。所以，不論是參考國外好制度、好法規，我們應該開始把智慧醫療的絆腳石一一搬開了。
李：我覺得，健保署也要改變同仁的管理心態，因為公務員心態都是少做少錯。像吳院長剛提到的，該要求的我們都可以做到。
延續前面的資料使用倫理問題，你們也放心，我還在這個位置，就一定會盡力做。
問：我很好奇，我們要去健保署才能下載資料，這件事需要動到法規嗎？還是內部修改規定就可以？
李：當時也有醫院討論，我們可以直接連線資料，但你知道嗎，像最近大家在討論次世代定序（Next Generation Sequencing, NGS），也就是基因檢測時，若在醫院做就沒問題；但若是生技廠商做，大家都認為醫界比生技業的人更遵照個資規定。但我個人並不那樣認為，我覺得都一樣。
這是職場倫理，假如資料外流，也想問一下吳院長會如何處罰？
吳：就是停權。
李：問題是，也要停得有威力才是真的，否則出問題時，後面就變成健保署要去扛這些責任，我們會再加強這一步。（延伸閱讀｜台灣數位治理上空的烏雲：用350萬過世者健保資料做研究，錯了嗎？）
主管機關與業界應多溝通
葉：台灣一直在講智慧醫療，但可能比較少人知道，台灣智慧醫療器材的管理辦法，其實歸在藥事法，最近才挪出來變成專法。
各位可能也不知道，軟體沒有專屬的管理辦法。對於智慧醫療，軟體這麼重要，卻沒有專門的管理辦法，所以我們都要去適應硬體醫材的規範。
比如說，我們必須解釋：我們的製造設備在哪？製造場地在哪？儲存廠房在哪？變成我們要適應過時制度。
例如，我們要解釋「製造設備是光碟機」。各位回想一下，過去一年內你有碰過光碟機嗎？既然沒有，為什麼我們要為了符合制度，去說製造設備是光碟機？其實不是，我們根本是copy雲端上傳。
另外，AI產品需要更先進的審查方法，其實台灣也跟得有點吃力。說實話，台灣發給智慧醫材許可證的速度，相對來講算是慢的。
其實，我們也試著讓食藥署瞭解，這些智慧醫材是怎麼做出來的？軟體跟硬體到底有什麼不一樣？
沒有在這行業裡可能真的很難想像，我們真的是坐在電腦前製造商品，並沒有生產設備——生產設備就是我們的腦跟手。所以，這些想法其實要被轉過來。
還有，侵入式醫材是高風險醫材，一個骨釘打到骨頭裡，病患可能失去生命。但我們的輔助醫材就放在醫生旁邊，它壞掉了，醫師還是有專業可以執行原本的醫療行為。所以，對於低風險醫材，其實不需要用「它一定不能出任何錯」的監管態度來看它。否則說實話，上市時程就會太慢。
同時，食藥署也可能不理解，目前審查方法還漏掉了這部份——智慧醫療AI產品上市時，不見得適應世界的真實數據。
換句話說，就算台灣管得這麼嚴，但我們已經知道，法規還是有明顯漏洞。因此，是不是可以針對智慧醫療需要的醫材法規及監管特性，調整目前的規則。
我覺得這也很重要，因為那是上市的最後一哩路，沒拿到證是不能合法販售的。
吳：對於法規我有個比喻，大家看過周星馳的《九品芝麻官》嗎？就說到「用明朝的劍，來斬清朝的官」，不合時宜的法律，應該要有修訂的空間。
李：健保署管那麼大的業務，但你知道嗎？我們有很多專業醫管同仁，但真正從臨床醫師背景出來，就只有我一個人；在食藥署也一樣，沒有醫生在處理這種事情。
我們醫療體系的人不見得願意做這個職務，導致實務操作出現落差。因此，大家要盡量表達自己的想法，不要只期待公部門。你們跟我講，我們語言相通，我就能多多溝通。（延伸閱讀｜台灣不能只靠半導體——醫療科技創新不只是產業問題，而是國安問題）
李伯璋期許有更多醫界人士表達第一線的實戰想法。
吳：這裡我倒是要感謝李署長，他願意從醫界來做這個位置，確實是犧牲奉獻。
大家也可以看到，健保署在最近幾年，特別是李署長任內做了滿多重要改革。我想這也是為什麼我會答應署長，去拍醫療轉診制度的廣告，我很少去拍廣告的。（笑）
想讓不同平台運作順暢，或真的實現強強連手，這絕對不是理所當然的事，一定要有很多溝通橋梁。這些橋梁就是葉執行長講到的跨領域人才。
葉：我們在軟硬體、跟醫療單位、與法規單位的溝通中，也試著去揣摩他們的立場。我們也知道他們有很多善意，想讓尖端事情在台灣可以發展，他們也有受到束縛的地方。但若理解對方立場後，大家一起朝著同一個目標努力，其實我也看到滿多希望。
吳：我以前念孟子時，最喜歡的一句話就是「徒善不足以為政」，光有一個善念，還是需要法律保障；但「徒法不足以自行」，世界上沒有完美的法律，要隨著社會進步一再修訂，讓台灣智慧醫療產業能繼續突破。
台灣大學附設醫院院長 吳明賢
專長為內科與腸胃科，曾因胃癌研究獲教育部63屆學術獎。曾任台大醫院副院長，台灣大學醫學院臨床醫學研究所博士。
台灣大學附設醫院院長吳明賢。
衛生福利部健康保險署署長 李伯璋
資深外科醫師，台北醫學院醫學系畢業（現為台北醫學大學），曾任成功大學教授、衛生福利部台南醫院院長，自2016年起擔任衛福部健保署署長。
衛生福利部健康保險署署長李伯璋。
雲象科技執行長 葉肇元
台灣大學醫學系畢業，曾到美國南加州大學攻讀病理學，在探索過程中跨入數位領域。2015年，他創辦雲象科技，鑽研病理玻片雲端數位化及醫療影像AI開發。
雲象科技執行長葉肇元。
2021客座總編輯・智慧醫療影音系列
#1 台大醫院院長吳明賢：亞洲人的醫療，讓台灣用科學與民主來寫
#2 明朝的劍斬清朝的官？台大醫院院長吳明賢：醫療法規過時，防弊多於興利
#3 林百里：廣達要從「黑手」，變成協助醫師的手｜未來招待所——智慧醫療
#4 楊泮池：精準醫療已過時，用大數據讓人不生病才是藍海｜未來招待所——智慧醫療
#5 陽明交大校長林奇宏：想在新竹實驗，把醫院與社區數據串起來｜未來招待所——智慧醫療
未來城市・智慧醫療深度專題
