相關報導
人體生物資料庫的數位轉型
發展精準健康該如何提升品質？將傳統與新型結合，將是數位轉型目標。隨著逐漸進入大數據的時代，未來的生物醫學研究，可能利用數據產生假說，再以昂貴的實驗方式驗證明假說的推論。目前有些國外的成功案例，雖未被稱之為人體生物資料庫，卻取代了人體生物資料庫的部分功能。例如…
雲端FHIR伺服器的應用經驗分享
衛福部資訊處已準備修法，讓醫院可以放心地將電子病歷放到雲端。各大雲端廠商皆有推出FHIR伺服器服務。只要會做數據標準化，上傳到雲端後即可做視覺化分析，或人工智慧應用。比較主要雲端廠商的FHIR伺服器服務，有助於使用者尋找最適合自己需求的雲端廠商。
FHIR標準的精準衛教應用
衛教知識為改善健康識能的工具之一，許多醫學中心、區域醫院及地區醫院透過衛教來改善病人的健康識能。雖然許多衛教資源已有電子化，但民眾較難自行取得，通常需經由專業護理人員提供紙本或是電子文件給特定的病人，效率較低。健康識能不足的民眾，會導致慢性病盛行率死亡率高，疾病認知與自我管理技巧差。在社群媒體的發達，越來越多使用者透過社群媒體工具獲取健康資訊。因此如何利用社群媒體作為健康傳播，並促進健康識能至關重要。
FHIR標準在精準醫療的應用
基因檢測數據可以幫助醫生瞭解個體差異，可輔助醫生下診斷。基因資料不會改變，因此很適合跨院共享。若欲將基因體數據應用到精準醫療，甚至推展到預防性的遺傳諮詢，最好採用國際上廣為使用的「快速健康照護互通資源」（FHIR）作為醫療資訊的標準格式，方便患者到不同的醫院就診時，調閱電子病歷資料。
臨床試驗的數位轉型
由於人工智慧技術的進步，醫學領域已經逐漸朝數位醫學的方向發展，所以各國都開始推動真實世界數據(RWD)的應用，希望能產生與臨床試驗數據互補的真實世界證據(RWE)。臨床試驗產業為例，若能捨棄紙本的運作模式，轉為數位化，將能一面收集、一面清理數據、提昇數據品質，進而輔助決策、翻轉工作流程。
FHIR標準在管理實境數據上的應用
當數據量大到一定的程度時，搬移數據到計算設施的所在是一件很困難的事，因此逐漸發展出數據共享區(data commons)的觀念，將公用的數據放在計算設施附近。使用者要計算時，可將演算法搬到計算設施的入口網，直接掛載有權限使用的數據做計算。
FHIR標準翻轉大數據分析與機器學習的分析流程
由電子病歷、疾病登錄、健檢數據等實境數據(real world data, RWD)所衍生出的實境「證據」(real world evidence, RWE)，被認為與隨機對照試驗產生的證據一樣有效，可作為藥品上市審查的依據。因此，善用現存的實境數據將有助於發展生技產業與數位醫學，而這些發展都有賴於數據的可交換性。
新冠肺炎 (COVID-19) 檢測與人工智慧
一般醫療器材上市需 3-7 年，人工智慧 (Artificial Intelligence ; AI) 應用於醫療器材產業已多年。由於COVID-19肆虐，需快速檢測以阻斷傳染，故各國對於體外診斷醫療器材 (IVD)，包括檢測病毒的抗體、抗原和核酸祭出緊急使用授權 (Emergency Use Authorization; EUA)
新冠疫情下人工智慧在藥物臨床試驗的應用與未來
臨床試驗是新藥研發程序中非常關鍵，也是最耗時、最燒錢的步驟。一般需時6-9年，平均成本約 13億美元。進入臨床試驗第一期的藥物中只有十分之一能夠獲得 FDA 的核准，進入臨床試驗第三期的藥物中平均兩個只有一個能夠成功上市，後期失敗的試驗成本更高。由於Covid-19的肆虐，對臨床試驗無異雪上加霜。若導入人工智慧 (Artificial Intelligence ; AI) 技術可能提供高效率，低成本的解方。
臨床試驗的去識別化方法：全域唯一識別碼簡介
為了要利用人工智慧的方法發展數位醫學，未來有些法令可能會鬆綁，允許電子病歷上雲代管。為了保護這些個人資料保護法認定的敏感性個人資料，最好是以去識別化的方式保存，才能確保病人的隱私。其實在臨床試驗上將患者的數據去識別化已行之有年。