臺北醫學大學醫學院副教授兼睡眠研究中心研發主任,並擔任臺北醫學大學附設醫院、衛生福利部雙和醫院睡眠中心主任與胸腔內科主治醫師。 研究專長為胸腔醫學、胸腔復健、睡眠呼吸障礙、慢性肺病監控與遠距醫療等。除了醫學臨床研究外,於2004~2006年擔任國家實驗研究院國家高速網路與計算中心兼任研究員,結合資訊科技與醫學之創新,協助共同開發出結合網路與胸腔照護的「氣喘格網」(Asthma Grid),作為慢性氣喘病患即時監控病情與結合環境資訊的平台,爾後更進一步將此平台改進為「氣喘手機照護系統」,於2006年5月正式公開與國內電信業者(中華電信)展開合作,更於2007年International Conference of American Thoracic Society獲選為Oral Presentation。
舉個很有趣的例子:很多女生嘛拍照喜歡使用美圖秀秀類的軟體,想拍照拍得很漂亮,但是我們拍照的時候,其實一點都不在乎是不是運用 AI 技術還是深度學習,用什麼高階科技不是重點,重點是拍出來真的好看。回過頭來看,照護也一樣,重點是「有無達到照護的效果」,而不是用什麼厲害的技術。
生理層面照護案例一分享: 科技部人工智慧生技醫療創新研究中心有一個團隊:臺中榮民總醫院嘉義分院,這間醫院被衛福部指定為出院準備服務很重要的一個單位,而且他們的醫院主責以前是精神科,也就是精神科的專責醫院,後來他們把這個精神科的一些理念轉變成針對失智跟失能的照護,特別針對全台灣的榮民體系的榮民之家的老伯伯打造。很常見的案例是老人家生病在醫院住院一至兩週,當他要回家的時候,需要先去習慣他身上的失能的狀態。假設老伯伯中風或是在醫院躺太久,回家之後可能沒有往常那麼靈活,在這個過程當中,醫院其實都會相對應的服務環境,雖然很簡單,可能就只是有一些開瓦斯、開水龍頭的出院前適應其實是很重要的,事先讓老伯伯習慣部分過程,讓他回家的時候能更輕鬆恢復生活,更重要的一點是讓照顧他的家人可以去了解目前的狀況,從而去改動家庭中的擺設、習慣上的配合與更動。而醫院和照護體系中的專業人員如物理治療師、職能治療師會告訴老人家說:你要回去,每天運動二十下等等,但是這裡有個關鍵是會運動的人,就是會乖乖運動,但是不太愛運動,還是會偷懶。而這就是我們想解決的問題,所以我們合作的中榮嘉義分院副院長黃敏偉,他開發了一個燈具,每天每個人在家裡都需要一盞燈,那他的燈具上面裝上紅外線的偵測系統和步態指引,經過治療師評估之後,幫患者設定他訓練參數,例如說,可能前三天我先讓他走三十五公分,紅外線檢測發現狀態時不錯的話,步伐跨得更大時,可以在 LED 指引上投射到地面指引,讓患者直接照著這個所謂的指引去往前踏步,讓復健變得很簡單也很日常。
案例分享: 多語言的自然語言 AI 系統應用 - 語音點歌系統,台灣人因為各種多元文化融合,大家在表達時,其實很喜歡去融合各種不同的語言如中文、英文、日文、台語,例如:你 ok 嗎?其實都是很自然日常的對話。目前手機語音辨識都還是只能辨識到單一語音,那團隊老師目前運用這樣子的一個技術,然後去做這個語音的點播,讓高齡者呼朋引伴參與群體活動,不用看字很小的點歌本,或是用自己很不熟悉的 iPad,讓老人家在娛樂的時候也可以很無痛的去享受,甚至在疫情期間或是與朋友相距很遠的情況下,還是可以線上去點歌、播歌。
印象深刻之一的產品是 IBM Watson,剛好當時豪斯醫師影集正在播出,當時因為在健保的制度下,醫療人員承受越來越多時間壓力,因此當時看到 IBM Watson 時,非常的期待和驚喜,認為他可以協助我們去紀錄全世界應該要有的 paper,可以協助我們去做一些 differentiate,進而節省做判斷的時間,並提升精準度,但是後來引進台灣北部手區一指的教學醫院,但是沒過多久後就突然消聲匿跡。後來才了解到 IBM Watson 還是有遇到一些目前無法排除的問題,每一個疾病甚至是由區域的一個差別,例如美國、歐洲、日本、台灣,所以需要去做校正,但是校正結果卻不如預期的精準,那這件事情其實就帶回來到我們最新科技可能會發生的一件事,現在幾乎的科技都是套用 AI 的邏輯,他通常都是我先具備一些正確足夠的資料後再去做學習、演算和預測,但是 Watson 就是無法取得可以使用的資料,這件事反而凸顯了人的價值,我開發出來的機器和技術,其實都只是在更好的協助我正在做的事情,因為只有人可以去判斷跟了解未知,也可以騰出手來做更多只有我們能做的事情。
合作的部分需要與新創公司先內部了解意願,不過基本上大家都是對合作呈現非常開放的心態!過去通常都是廠商先設計好裝置,然後希望有人來用。但是現在大家比較了解到應該倒過來想,先釐清需求再去開發工具,實際情況常常是先去思考我們需要什麼服務,來去開發一個服務平台,最後才去開發相關的輔助裝置,才能更精準的對到需求,像是 AI 技術的應用,可以解決醫護人員的一部分忙碌,最好醫護人員可以做的只剩與患者互動,背後用厲害的 AI 技術去處理數據、 paper work 等基礎流程,醫師來去做最終的判斷,這樣的忙碌才是有意義的。