物联网怎样为你看病

大数据、人工智能等技术，正在建立精准医疗的新风貌。

结合大数据：从健康检查到预测健康风险

以元气网的“测健康”在线服务为例，使用者输入出生年度、性别、居住地三项数据，系统即可预测用户未来各年龄阶段的健康机率、预估寿命、医疗花费等信息。

这项健康风险预测工具，即是运用了大数据分析，结合个人的生活型态，加上医疗数据建立预测模型。“测健康”根据用户填入的数据，从全民健保数据库中，找出相近年龄、同样性别、相近居住地的对象，再与之比较，就可推算出初步的风险评估结果。而且，数据库中的个人健康数据愈丰富，预测结果就会愈准确。虽然目前像“测健康”这类的健康风险预测工具，仍有些粗浅，但分析及研究的方向是正确的趋势。

相较之下，一般的健检，仅能判断个人接受检查的当下，健康现况是否异常，再安排后续的定期检查与追踪。未来，透过大数据分析再加上深度学习的技术，医疗服务有希望能更精准地预测病情及未来的健康状况，并且针对个人随时间改变的健康状况，给出各阶段不同的预防建议，达到更佳的健康管理效果。

结合人工智能：从手机到个人医生，从科技公司到药厂

近来，由于通讯技术的进步，“远程医疗”已能让医生彷佛近在眼前，但在未来，人工智能却可能让医疗成为贴身服务。以手机来说，若是结合人工智能、生物科技等技术，即可能搜集用户的病理信息，上传至云端大数据系统，诊断病情，甚至提供领药建议，让手机成为个人的医生。

除了诊断，人工智能在研发制药的领域，也可能成为要角。与辉达（Nvidia）合作的科技公司Insilico Medicine，就是运用GAN（GeneraTIve Adversarial Network）“生成对抗网络”算法，来协助研发新的药物。GAN是非监督式学习中的一种，由一个生成网络和一个判别网络组成。生成网络尽可能作出难辨真伪的输出内容，判别网络则尽可能在真实数据和生成网络的输出内容间，判别孰真孰假。藉由两个网络不断互相对抗，调整参数，就能让生成网络输出的内容更逼真，更能模拟真实情境。

也就是说，药厂原本必须花费大量时间与成本，筛选具药用性质的物质与分子，找出候选药物，再进行临床试验，以发掘疗效最佳的药物。但Insilico Medicine借助GAN算法，就能根据疾病或情境，仿真出特定的化学分子结构，以期大幅缩减研制、测试药物的繁复时程，甚至超越传统的药厂。

我们可以说，加速发展的数据趋势，势必会掀起另一波数位医疗革命，也会为传统医疗机构、厂商、现行相关法规，带来巨大的挑战，甚至引发医疗产业大洗牌。