名人推薦：吳成文（中央研究院院士、國家衛生研究院創院院長）
陳時中（衛生福利部部長）
李伯璋（衛生福利部中央健康保險署署長）
張善政（國家生技醫療產業策進會會長、前行政院長）
李祖德（漢鼎股份有限公司董事、臺北醫學大學董事）
邱文達（美國AHMC醫療集團共同執行長、衛生福利部前部長）
施振榮（宏碁集團創辦人、宏碁基金會董事長）
吳良襄 (永齡健康基金會執行副董 )
林丕容（大學眼科集團總院長、博客來數位科技公司董事長）
林建煌（臺北醫學大學校長）
閻　雲（臺北醫學大學臺北癌症中心總召集人）
郭旭崧（國立陽...

【內容試閱一】
〈AI把關，用藥更安全〉 (節錄自本書第二章第三節)
台灣用藥量與其他國家相比，數量相當驚人，總人口雖然只有2,300萬，每一年全台醫療院所開出的處方箋卻高達3億6,000萬張，健保局給付的藥品費用一年高達1,200億元。

根據行政院主計處調查，2016年家庭消費支出結構按消費型態區分，食品飲料及菸草占15.76％，醫療保健花費占15.33％。也就是說，台灣人每100元的花費，有15元用在吃飯，也有15元用在看病吃藥，「吃藥」幾乎跟「吃飯」一樣重要了。

如此龐大的用藥量，相對出現問題的機率也會增加，不論大醫院或小診所都可能曾發生藥物劑量錯誤、使用方式混淆等用藥疏失，輕則傷身，重則致命。

醫療用藥過程可區分為四個階段：從醫師開處方箋（Prescribe）、藥師調劑（Dispense）、住院給藥（Administration）到病人服藥遵從性（Compliance），每個環節都可能發生錯誤，若能透過AI把關，便能在問題發生前將之「攔截」，有效降低用藥錯誤的機率。

以AI做為用藥安全的第一道防線，在醫療早期階段捕捉不適當用藥處方，不僅確保病人安全與品質，更能減少後續衍生不必要的醫療成本。

第一階段：AESOP預警攔截問題處方

就醫師開處方箋來說，AI可以扮演很好的守門人角色。

醫師每天得開出許多處方箋，藥方和病症並非絕對的一對一恆等式，而是一對多、多對一，乃至多對多的複雜交錯關係，光是普拿疼一種藥，就可以用在1,500種疾病上，要做出百分之百正確的下藥判斷，對醫師也是很大的考驗。

據估，台灣一年約有1,800萬張的不適當處方箋，大約是台灣每年3億6,000萬張處方箋中的5%，這個比例和美國相當也接近全球平均。

在這5％之中，很大比例是不小心多開或少開幾顆無害的藥，或診斷不精確的情況，看似不嚴重，仍然不可不慎，開錯藥不僅會對人體造成傷害，嚴重甚至會致命，過去就曾發生過某醫院開錯劑量，將每次0.5顆的劑量開成每次5顆，導致病人一次吃下十倍劑量而致死的案例。相對而言，利用簡單條件式就可以阻擋用藥劑量明顯過高或過低的錯誤，但用藥與診斷是否相符，則需要較強大的AI系統才能診斷。

如果只是將適應症和用藥規則化，輸入電腦、建立資料庫，並無法徹底管理處方箋錯誤的問題，主因在於臨床上有太多例外狀況，舉例來說，感冒並不是抗生素的適應症，但是當醫師根據病人的狀況，認為有必要開抗生素時，該不該視為開錯藥？

■更多書籍資訊，請至數位專輯：https://www.bookrep.com.tw/activeimg/blog/ai-in-medicine/

【內容試閱二】〈沒有AI，就沒有精準醫療〉 (節錄自本書第三章第二節)
如果有一款癌症藥物療程，要價50萬美元（約新台幣1,500萬元），一個月內病情沒有起色就免費，相對治療一個月病情有反應則收取費用，這樣的價格與條件，你願意買單嗎？

2017年8月30日，美國食品藥物管理局通過諾華大藥廠（NOVARTIS）針對復發淋巴型血癌所出品的癌症新藥療法「KYMRIAH」，它是從病人血液中取出對抗疾病的T細胞，經過基因改造後，可以鎖定癌細胞。只要在實驗室複製百萬倍的數量後，再注入病人體內繼續複製，這就像培養一群保衛部隊，能協助揪出癌細胞並加以摧毀，不但為癌症治療開啟新紀元，也是精準醫療的里程碑。

所謂精準醫療（Precision Medicine），簡而言之，就是結合一個人的基因、生理、環境、行為等大數據，實現「個人化治療」的理想。

2015 年元月，美國前總統歐巴馬在國情咨文演講中提出，要以 2.15億美元推動「精準醫學」，並宣稱「提供人們一個有史以來最可能出現醫療突破的機會」；隨後，英國也宣布發起「精準醫學躍進」政策 ( Precision Medicine Catapult )；中國在2016年啟動的「十三五經濟規劃」，更將精準醫療列入重點產業範疇。

【內容試閱一】
〈AI把關，用藥更安全〉 (節錄自本書第二章第三節)
台灣用藥量與其他國家相比，數量相當驚人，總人口雖然只有2,300萬，每一年全台醫療院所開出的處方箋卻高達3億6,000萬張，健保局給付的藥品費用一年高達1,200億元。

根據行政院主計處調查，2016年家庭消費支出結構按消費型態區分，食品飲料及菸草占15.76％，醫療保健花費占15.33％。也就是說，台灣人每100元的花費，有15元用在吃飯，也有15元用在看病吃藥，「吃藥」幾乎跟「吃飯」一樣重要了。

如此龐大的用藥量，相對出現問題的機率也會增加，不論大醫院或小診所...

【推薦序一】病人第一，才是我們期待的醫療人工智慧
衛生福利部部長　陳時中

當年圍棋程式AlphaGo擊敗世界圍棋冠軍，其中的人工智慧（Artificial Intelligence）令舉世驚豔。

近年，漢森機器人技術公司（Hanson Robotics）開發的機器人蘇菲亞（Sophia），不但具有人工智慧、視覺數據處理和面部識別功能；甚至還能模仿人類手勢和面部表情，就設定好的主題，與人類做簡單的對話交流，AI技術更加細膩。蘇菲亞也在2017年10月獲得沙烏地阿拉伯公民資格，成為全球首位擁有國籍的機器人。蘇菲亞的誕生，再掀一波人工智慧浪潮，AI也被稱為第四次工業革命的核心。

AI已走進我們的生活與工作中。舉凡金融服務、零售、自動駕駛、機器人、智慧生活，它都讓人類的日常生活變得便利無比。我國行政院於2018年提出「台灣AI行動計畫」（2018-2021），以我國居全球龍頭的半導體代工服務為利基，在許多產業注入AI的思維。而與人們健康息息相關的生技醫療業，更不可免地站在這一波新科技的浪頭上。

來到衛生福利部，我就思考著：如何讓人工智慧，協助加速長照改革。我國社會少子化加上人口高齡化的加乘影響，借助AI已為趨勢。在推動長照政策的各種挑戰中，照顧服務員與家庭照顧者的人力不足，仍是一大考驗。而人工智慧具有極大潛力，能夠紓解這個問題；若再加以應用大數據，未來勢必能在長照市場創造更多價值。

用簡單的例子來說，以往照顧服務員到個案家裡服務時，全憑一個人的體力與精神完成工作，實為辛勞。AI時代來臨，照服員可以隨身攜帶像是掃地機器人這類的智慧小家電，到個案家服務。假設以前替個案洗澡及整理家庭環境，這兩種服務加起來需時一小時；有掃地機器人幫忙後，照服員替個案洗澡時，掃地機器人也同時在打掃，可能半小時就完成兩種服務，這就是AI帶來的好處。

再以社會安全網為例，高風險家庭發生的社會事件時有所聞，政府相關輔導人力有限，也常因此不能阻絕悲劇於先。此外，過去處理方式大多是個案導向，當面對低收入或吸毒等個案問題，常只能處理個別問題。今後要改變思維，衛福部正在建置社會安全網專屬的資訊系統，希望可以充分掌握個案的各種已知風險，改以家庭為單位來管理，透過資訊系統即時掌握高風險家庭困境，給予適切的協助，可說是科技化AI與人性化社工相輔相成的社會安全網。

目前國內外已有眾多業者投入長照領域，各種人工智慧科技與產品也相繼誕生，未來的長照服務，必須更多元創新。但最重要的是，如同作者李友專教授在本書中提點大家，關於醫療，不見得處處需要華麗炫技的人工智慧，而是真正把病人擺第一、能夠解決核心需求的人性智慧，才是生技醫療界所期盼的人工智慧。

【推薦序二】眼科醫師看到的AI醫療大未來
大學眼科集團總院長、博客來數位科技公司董事長 林丕容

AI醫療大未來需要跨領域人才參與及領導，正如好友李友專教授既是專業醫師又是醫學資訊世界級的院士，也兼具醫院管理實務經驗。在本書中彙集整理出整個醫療及照護範圍內，AI科技過去丶現況及未來如何發揮角色，幫助病人及協助醫療人員，並由各種角度讓讀者了解全貌。書中引用了不少例子，讓身為眼科醫師及網路公司經營者，同為跨領域學習的我，對於AI科技如何改善醫療及如何為醫師發揮加乘效應特別心有戚戚焉。

AI較為人知的先例，是1997年IBM 的「深藍」電腦打敗世界西洋棋王Garry Kasparov，之後世人才又開始重新關注人工智慧。其實 IBM更早之前就在眼科領域掀起波瀾。1983年，眼科醫師Stephen Trokel與IBM的研究員Srinivasan提出將原本用於切割半導體晶片的準分子雷射運用在眼角膜上治療近視的概念。到了1990年代初，美國FDA開始準分子雷射角膜表面切削術（Photorefractive keratectomy，PRK）的臨床實驗，開啟了現代近視雷射手術的潮流。這也是我三十年來一直深度投入的近視及老花矯正醫療科技領域。近年來我們引入眼科飛秒雷射機器人系統協助醫師更精密的運用在微創白內障及老花晶體置換手術，大幅度的提高傷口的微創技術及術後恢復的速度與效果。這方面的眼科AI機器人也正方興未艾！

眼科由於特殊的可觀察性及偵測性，加上相關醫學科技發展，是近年來AI醫療應用的重點領域，有好幾項都已發展為實務上的臨床應用。如IBM持續專研眼科醫學影像，包括與IDx（其開發的IDx-DR糖尿病視網膜病變診斷系統，是第一個通過FDA的AI 系統，可合併在設備上應用。）策略聯盟、其與英國Moorfields 眼科醫院共同開發辨識視覺疾病的機器學習系統等，應用領域則包括糖尿病視網膜病變、黃斑部病變，以及青光眼。對於眼科乃至相關全身慢性病糖尿病、高血壓甚至於阿兹海默症的預防丶診斷及診療建議，提供未來莫大的想像與應用空間！

同時間，另一個大廠Google也開發視網膜AI篩檢系統並實現幫助印度眼科醫師，透過遠程醫療互聯網，解決偏遠地區醫療資源不足的嚴重問題。

除了上述運用，眼科醫學計算回歸公式領域，Hill-RBF Calculator也運用以AI神經網路系統(CNN)計算人工水晶體度數的程式，準確度也有很不錯表現。

眼睛是個超級精密的器官，眼底的整體是一個細微而複雜的血管及神經系統，醫師需要仰賴高度專業的判斷，分析各種影像檢查的細微變化。AI人工智慧科技大幅縮短報告產出時間並且能夠進行自動篩選，不僅減輕驗光師及眼科醫生的負擔，更重要的是提高醫療安全性、效率及效果，因此能擅長應用AI的眼科醫師將是未來趨勢領導者。

醫療是複雜多變的，人工智慧科技的發展，能夠幫助醫生及醫療機構掌握多變又巨量的資訊，並且提供即時有精準的運算能力，加上精密的機器人系統，能更有效解決病人的問題。誠如李教授所言，未來的贏家，將會是最懂得善用人工智慧的人才及組織，醫療領域更是如此，我深表認同。相信本書能帶給讀者深邃的洞見，展望AI醫療大未來。

【推薦序一】病人第一，才是我們期待的醫療人工智慧
衛生福利部部長　陳時中

當年圍棋程式AlphaGo擊敗世界圍棋冠軍，其中的人工智慧（Artificial Intelligence）令舉世驚豔。

近年，漢森機器人技術公司（Hanson Robotics）開發的機器人蘇菲亞（Sophia），不但具有人工智慧、視覺數據處理和面部識別功能；甚至還能模仿人類手勢和面部表情，就設定好的主題，與人類做簡單的對話交流，AI技術更加細膩。蘇菲亞也在2017年10月獲得沙烏地阿拉伯公民資格，成為全球首位擁有國籍的機器人。蘇菲亞的誕生，再掀一波人工智慧浪潮，AI也被稱為第...

醫療、ＡＩ與我
李友專

Work hard, play fair, and have fun.
認真工作、公平競爭、樂在其中

打從國中畢業，我的生活除了念書，剩下的時間就是玩電腦。記得高中時期金庸武俠小說正紅，我和幾個同學曾經企圖想用BASIC語言把《天龍八部》寫成電腦遊戲，我們很認真的把劇本、角色、人物和動畫編輯器都寫好了，無奈後來碰上大學聯考只好被迫放棄，但那股躍躍欲試、迫不及待用電腦做出點什麼的熱忱火苗，始終在我心中燃燒，而當時，是80年代初期，個人電腦剛起步的年代。

後來在我的醫療人工智慧學習路上，出現一位影響我最深的人，就是當時我在美國猶他大學攻讀博士的指導教授：荷馬．R．華納醫師（Dr. Homer R. Warner，1922～2012年）。華納教授是開啟早期醫療人工智慧發展的其中一位先行者，也是一位很特別的教育家，言談中總是帶著哲理。

還記得我在博士學位口試當時，華納教授不像一般教授會護著自己指導的學生，反而對我異常的嚴格，甚至幾近刁難，連其他的口試委員都忍不住替我說話，當下我也覺得有點莫名其妙，不曉得自己哪裡做錯。

口試後，華納教授私下找我，分享他在明尼蘇達大學博士班時期的一個故事，當時他們班上有位來自德國的同學，在修完學分後回到德國繼續撰寫論文。好不容易寫好送出的論文，老是被美國的指導教授退稿，頻頻指出運算有問題並要求修改。持續幾次的來回修改和退稿後，德國同學實在受不了，專程飛回美國與指導教授當面討論，這才發現，原來師生兩人各自用不同的單位計算，這位德國學生用的是公制單位，而美國老師則採用英制單位驗算。華納教授最後給這故事下的結論是：「老師也會犯錯。」

聽完這段話後我不禁猜想，他在我口試時所表現出來的嚴厲，會不會是我的某個論述，剛好與他的觀點對立，也許口試的氛圍不小心激起他捍衛與堅持的本能。事實上，以當時華納教授的聲望與地位，他大可不必特別找我說這段話，但聽著華納教授用這段故事委婉地表示老師也會犯錯，儘管他沒有自己明說，我也就心照不宣的一笑置之。

跟隨華納教授在美國學習的過程，open - mindedness（心胸開放）成了我的價值觀。他的口頭禪「Work hard, play fair, and have fun.（認真工作、公平競爭、樂在其中）」也成為我的座右銘。「尊重不同意見」不是嘴巴說說，而是打從心裡認同「不同意見的存在」，才能產生對事物充滿好奇與不斷探索的動力，尤其在醫療資訊這個跨領域的環境中，抱持心胸開放更顯重要，如果過度堅持自己觀點，永遠無法跨出領域，更不可能樂在其中。

從學生時代開始寫程式、遠赴美國學習醫療資訊科技、學成回台參與電子病歷等相關醫療資訊系統建置，到之後投入醫療人工智慧的應用，一路走來，我一直都是樂在其中，但也看到隱憂。

這幾年AI捲土重來，在許多產業掀起革命，也有不少科技業者嘗試跨入醫療領域。但我認為，就醫療而言，應用AI早已經不是「想不想」的問題，而是非做不可，也不能再等了。

台灣已經邁入高齡社會，隨著人口老化，我們需要投入的醫療資源越來越多；加上少子化影響，人力資源短缺，醫護人員得照顧的病人越來越多，每個人能被分配到的資源變得稀少又難得，這些問題該怎麼解決？

如果能夠徹底運用AI的偵測、預測與預防的技術，就有機會解決長期照護（以下簡稱長照）及其他醫療的重大問題。我寫這本書的緣起，就是為了表達AI已成為醫療必要的基礎建設，投資AI就是投資自己和子子孫孫健康的未來。

很幸運的，過去的醫療與資訊跨領域養成，讓我能在AI時代發揮所長，這一路上也遇到許多志同道合的夥伴互相提攜成長。目前我與研究團隊正積極投入多項醫療人工智慧研究計畫，2017年更成立「台灣醫療人工智慧創新研究中心（Artificial Intelligence for Medicine and Health Innovation，簡稱AIMHI ）」，希望推動適合醫療應用的人性化AI，期待不久的將來，AI除了幫助醫療人員提供精準的醫學診斷與治療外，也能給予病人具有同理心的關懷回饋。

希望透過這本書，讓那股躍躍欲試、迫不及待用電腦做出點什麼的熱忱火苗，在更多人心中延燒，實現「AI with Humanity, for Humanity （為人類而生的人性智慧）」的醫療新紀元。

醫療、ＡＩ與我
李友專

Work hard, play fair, and have fun.
認真工作、公平競爭、樂在其中

打從國中畢業，我的生活除了念書，剩下的時間就是玩電腦。記得高中時期金庸武俠小說正紅，我和幾個同學曾經企圖想用BASIC語言把《天龍八部》寫成電腦遊戲，我們很認真的把劇本、角色、人物和動畫編輯器都寫好了，無奈後來碰上大學聯考只好被迫放棄，但那股躍躍欲試、迫不及待用電腦做出點什麼的熱忱火苗，始終在我心中燃燒，而當時，是80年代初期，個人電腦剛起步的年代。

後來在我的醫療人工智慧學習路上，出現一位影響我最深的人，...

推薦序：病人第一，才是我們期待的醫療人工智慧
推薦序：眼科醫師看到的AI醫療大未來
自序：醫療，AI與我
第一章、AI啟動醫療4.0時代
1-1、AI是人類救星？
1-2、人工智慧顛覆產業
1-3、醫療AI先行者們
第二章、醫療AI的應用
2-1、大數據分析防患未然
2-2、初篩、掛號，動口不動手
2-3、AI把關，用藥更安全
2-4、降低醫療錯誤
2-5、智慧病房及住院品質提升
2-6、慢性病、長期照護的應用
2-7、生活習慣的自我管理
第三章、AI成為醫療守門人
3-1、提升醫療品質
3-2、沒有AI，就沒有精準醫療
3-3、AI翻轉醫療
第四章、醫療AI新未來
4-1、快步走向醫療AI未來
4-2、台灣坐擁金山銀山
4-3、AI展現人工同理心
4-4、未來的挑戰
附錄
參考資料

推薦序：病人第一，才是我們期待的醫療人工智慧
推薦序：眼科醫師看到的AI醫療大未來
自序：醫療，AI與我
第一章、AI啟動醫療4.0時代
1-1、AI是人類救星？
1-2、人工智慧顛覆產業
1-3、醫療AI先行者們
第二章、醫療AI的應用
2-1、大數據分析防患未然
2-2、初篩、掛號，動口不動手
2-3、AI把關，用藥更安全
2-4、降低醫療錯誤
2-5、智慧病房及住院品質提升
2-6、慢性病、長期照護的應用
2-7、生活習慣的自我管理
第三章、AI成為醫療守門人
3-1、提升醫療品質
3-2、沒有AI，就沒有精準醫療
3-3、AI翻轉醫療
第四章、醫療...