HHS
重點新聞（1001～1015）
醫療IT HHS 資料交換
美國釋出2024-2030年聯邦醫療IT策略計畫
今年9月最後一天，美國衛生及公共服務部（HHS）公布最終版2024-2030年聯邦醫療IT策略計畫，點出聯邦層級接下來6年的醫療IT目標，要來改善電子醫療資訊（EHI）的存取、創造更公平的醫療照護體驗，以及落實國家公共衛生基礎設施現代化。
進一步來說，該計畫包含提倡健康福祉、強化照護提供與體驗、加速研究創新，以及以醫療資料連結醫療系統等4大目標。其中，前3個目標是要強化醫療IT使用者的體驗，最後一個目標著重支援這些使用者所需的政策和技術。這4個目標又可細分為幾個子目標，比如在強化照護提供與體驗下，照護提供方可以有信心地使用醫療IT工具，又或是在加速研究創新中，研究者和醫療IT使用者能夠存取高品質醫療資料，以及在以醫療資料連結醫療系統中，建置現代化且整合式的公衛醫療資料系統和基礎建設，來支援社區健康發展。
除了說明大框架，該計畫也聚焦公平、AI、資料交換等議題。在公平部分，則延續聯邦政府方向，繼續使用醫療IT來改善人群的醫療服務平等性。在AI部分，該計畫提供一系列聯邦政府可參考的策略，來確保AI可以被醫療IT使用者（病患、醫療機構）使用、可安全且負責任地被部署，以及可摒除演算法偏差。在資料交換領域，該計畫則將持續推動以FHIR為基礎的國家級資料交換框架TECFA，且為兼顧交換資料的品質，該計畫也提出策略，來解決聯邦政府與標準制定組織、州政府、地方政府和醫療IT開發者間的協作問題。（詳全文）
嬌生 AI 新藥發現
嬌生揭醫療AI應用進展，瞄準外科、新藥發現和臨床試驗
嬌生日前發表一篇官方部落格文章，介紹自己如何運用AI強化醫療照護。比如在手術學習領域，嬌生醫療技術數位化全球副總裁Shan Jegatheeswaran指出，他們透過AI，幾分鐘就能將一場數小時的手術錄影影片精彩片段剪輯出來，比過往人工的數小時、數天還要有效率。這些剪輯出來的重要片段，可供外科醫師重新觀看、學習和討論治療策略。
再來是新藥開發，嬌生表示，傳統的新藥發現漫長又複雜，研究團隊需先了解哪些生物和遺傳變異會導致疾病。而透過AI分析電子健康記錄、實驗室結果或基因定序數據，就能幫助找出特定疾病原因。有了疾病標靶，嬌生就以AI協助找出可與標靶作用的分子，並透過AI設計、優化這些分子，來開發為有效對抗疾病、副作用最小的候選藥物。目前，嬌生正與外部機構合作，來實現這個目標。
臨床試驗也是嬌生運用AI的領域。他們有2種用法，一是用來尋找臨床試驗患者與地點，比如用機器學習演算法分析大型去識別化資料集，來加速找出可能從新藥中受益的患者臨床研究地點。如此，臨床試驗團隊可將這些地點納入考量，而非如傳統方法，只集中在醫學中心進行臨床試驗。另一種用法是增加多元性，包括找出不同患者地點和醫療機構，研究團隊再從這些地點招募符合條件的患者，來參加臨床試驗。其他領域還有以AI強化個人化治療，以及運用AI分析需求波動和供應商績效，來預測可能擾亂藥物和醫療產品供應鏈的即時事件，確保醫療產品能盡快到達患者家中。（詳全文）
臨床驗證 公平性 衛福部
衛福部攜16家醫院成立3大類型AI中心
本月7日，衛福部宣布成立負責任AI執行中心、臨床AI取證驗證中心，以及AI影響性研究中心等三大類型AI中心，由橫跨北、中、南的16家醫院來營運，如臺大、中榮、北榮、成大、中醫大、三總、林口長庚等指標醫院。這3大AI中心的起源，來自衛福部今年7月23日公告的3大AI中心補助計畫。他們舉辦全國性教育訓練後，於8月1日截止收件，並邀集國內外專家3階段評選，最終從30家醫院中，選出16家醫院共19案。
這3大AI中心的目的，是要解決醫院發展醫療AI的3大痛點，補足智慧醫療落地的最後一哩路。比如，負責任AI執行中心是要解決醫療AI透明性、資料安全等問題，由中心制定符合資安與隱私保護的管理辦法，以及AI模型生命周期管理辦法，來確保模型在臨床使用具有持續可靠性。
而臨床AI取證驗證中心則由衛福部資訊處與食藥署（TFDA）合作，要解決醫療AI取證過程冗長、驗證資料不足的問題。因此，該中心將預先組成醫院聯盟，先準備跨體系、跨層級的電子病歷資料，來加速協助驗證AI模型。至於AI影響性研究中心，則是要解決智慧醫材產品納入健保給付的問題，該中心由衛福部與健保署合作，將建立跨體系、跨層級臨床試驗機制，設置實驗組和對照組，來研究該醫療AI的臨床效益，並將報告交由健保署團隊參考，來決定是否納入給付等細節。（詳全文）
微軟 Copilot 醫療資料
微軟新添多款醫療AI工具
日前，微軟發表幾款醫療雲工具，包括在Azure AI Studio中新添醫療AI模型、在資料分析平臺Microsoft Fabric中添加健康資料新解決方案、在Copilot Studio中納入醫療代理服務，以及AI驅動的護理文書工作簡化解決方案。
進一步來說，這次新添的醫療AI模型，是一系列多模態醫學影像基礎模型，由微軟與Providence、Paige.ai等合作夥伴共同開發，可用來分析多種醫療數據，從醫學影像到基因組學和臨床記錄都可以。醫院可透過這些模型，快速打造、微調和部署合適的AI應用，降低從頭自建的成本。
而Microsoft Fabric的新解決方案，目前為公開預覽階段，有幾個特點，包括能整合分析各種對話資料（比如與患者對話的語音、逐字稿）、轉換社會健康決定因子（SDOH）公共資料集、美國醫療保險Medicare申請資料處理、患者照護分析等。再來，微軟也在Copilot Studio中推出醫療代理服務公開預覽版，可用來打造掛號排程、臨床試驗匹配、患者分診等的Copilot代理。（詳全文）
Nvidia 微服務 基礎模型
Nvidia在AI高峰會揭露美國公部門醫療AI實例
Nvidia在10月舉辦的AI高峰會中，揭露幾項美國公部門採用自家最新AI加速工具的實例，比如美國國家癌症研究院（NCI）就採用幾個Nvidia MONAI中的AI模型，來進行醫學影像處理，像是用VISTA-3D NIM基礎模型來對3D電腦斷層掃描進行影像分割與標註，又或是美國國衛院旗下團隊使用生成式AI代理Nvidia NIM Agent Blueprint，來加速開發新藥分子。
其中，Nividia NIM是一系列雲原生微服務，可協助AI模型部署和執行，NIM Agent Blueprint則是已經預訓練、客製化的工作流程目錄。Nvidia表示，這兩款工具可讓公部門醫療研究者快速使用先進的AI模型，也能以自有資料快速客製化。（詳全文）
教育 生成式AI 問到寶
新竹臺大分院用微軟Azure OpenAI打造教育整合平臺
最近，新竹臺大分院揭露一款生成式AI互動教育平臺「問到寶」，由該院跨專業醫療照護團隊和微軟，以將近一年的時間打造而成，可提供線上教育、衛教問答和輔助技術發展，讓學習資源和課程更靈活、更個人化。
進一步來說，該平臺可根據每位使用者的學習需求、風格和速度，量身打造教學內容，同時，它也能協助教師，根據不同學生需求進行項目評估、成績評定、出勤追蹤，以及協助課程規化等行政任務。比如，使用者可用該平臺對長篇文章或英文文獻摘要，平臺也能根據關鍵字，來生成教學教案及評量，協助教師教材準備、產生擬真場景圖等。此外，該平臺還有AI增強語音識別功能，能讓語言障礙人士理解衛教內容。（詳全文）
圖片來源／HHS、嬌生、衛福部、臺大新竹分院
MedTech醫療科技近期新聞
資料來源：iThome整理，2024年10月
熱門新聞
2024-10-14
2024-10-13
2024-10-14
2024-10-13
2024-10-14
2024-10-14