醫療IT

Google與史丹佛大學合作創建皮膚病狀圖片資料集SCIN，主要收集不同膚色與身體部位，常見的皮膚病狀照片，補充臨床皮膚疾病資料集的不足

Nvidia在今年度GTC大會上揭露20多項醫療生成式AI微服務；衛福部率臺灣產學研醫療團隊赴美HIMSS 24年會；美國醫學中心IT主管盤點4大數位醫療趨勢；微軟聯手全美10多家醫院，要推負責任的醫療AI；Google雲端新添醫療生成式AI功能，還瞄準護理交班情境

近年不少醫院IT重新聚焦資料基礎工程，尤其是病歷資料的結構化，因為他們發現創新不見得非靠AI不可

醫療資料結構化可大幅降低資料清洗的成本，然而如何選對最值得投入結構化的關鍵資料，還可從數據價值、多樣性、真實性、數據量、產出速度和變異性等6面向思考

對臺大醫院而言，病歷結構化可降低資料處理和分析的成本，但也得符合臨床使用者需求、充分反映病人病況、提高病安和教學意義等四大考量

近幾年大數據分析和AI技術普及，許多醫院體會到智慧醫院的可能性。但要進一步擴大應用，才發現許多關鍵資訊還藏在文字描述的病歷中，需要結構化抽取、管理這些資訊，才能發展更多智慧應用

美國政府調查141家數位醫療廠商發現，約四分之三廠商已使用FHIR標準；三分之一的IT人手達退休年齡，美國國衛院CIO表示該換電子病歷系統了；美醫療新創用AI偵測輕度認知障礙；萬芳醫院新院長上任，3大目標瞄準院外醫療、AI和三院整合

繼去年12月揭露AI輔助醫師應用後，中醫大附醫今日再發表Google MedLM另一應用方向，鎖定護理領域打造AI輔助護理師應用，初期嘗試3情境，包括分析傷口照片和疼痛患者表情照片，來給出文字描述、照護建議和衛教建議，以及針對食物照片進行營養分析。