建立學習型健康系統的大數據基礎

議題召集人:李有專教授(臺北醫學大學 )

一、 Data to Knowledge(D2K):建立資料模型(Data Model)
1. 參考國際健康資料分析阻止等資料模型建置方法及模式
2. 參考國際健康資訊交換第七層協定(HL7)之Detailed Clinical Models(DCM)、Fast Healthcare Interoperability Resources(FHIR)等資料標準
3. 在此資料模型下,基因型、表現型和暴露型之資料皆須能彼此串接、關聯,提供電子健康紀錄通用規範
4. 建置有效的臨床決策支援系統

二、 Knowledge to Practice(K2P):建立執行模型 (Execution Model)
1. 參考美國密西根大學醫學系LHS研究單位之Allen Flynn博士團隊所執行之Knowledge Grid計畫,建立知識行動流程(Knowledge action process)
2. 建立訓練中心,建立新的臨床研究典範並培育健康資料科學家及團隊

成果摘要:

「建立學習型健康系統之大數據基礎」於建言書中所提之6項議題中,歸納出32項共識建言,期望政府相關單位能夠參採建康照護系統之巨量資料策略(Big Data Strategies for Healthcare Systems)、利用系統架構從健康資料中擷取健康知識(D2K)、由知識發現到實務運用(K2P)、落實醫療實務於患者之策略(P2C)、結合穿戴式物聯網科技從消費者回饋居家端持續性的個人資訊(C2D)與健康照護機構所採用學習型健康系統之具體策略與方法(Adoption of LHS for Healthcare Organizations)之六階段策略,有意義地使用健康資料,以加速我國健康資訊科技之發展。

議題一健康照護系統之巨量策略:

       建議以聯盟方式找尋合適治理機制,透過盤點、整合與建立國家機制的開放資料,從個人、醫療院所,逐步蒐集資料,建置資料中心以進行儲存,採用巨量資料的角度來切入各式應用。

議題二利用系統架構從健康資料中擷取健康知識:

       推動醫學標準詞彙,以解決名稱不一的問題,並建構詞彙伺服器、監控與評估詞彙之使用品質。

議題三從知識發現到實務運用:

       設置實證新知資訊平台,並依不同需求主動推播給醫療人員,以知識網格之概念出發,廣泛蒐集相關知識,再由權責單位建構醫學知識物件的交換與散布平台。

議題四落實醫療實務於患者之策略

       建議政府把關衛教資訊、管理可能對人體健康有風險的APP、持續擴大辦理健康存摺、檢視健保雲端藥歷及醫病共享決策平台之使用者需求與成效。

議題五結合穿戴式物聯網科技從消費者回饋居家端持續性的個人資訊:

       由第三方開發去識別化認證方式,持續、大量、多樣化的資料蒐集,以累績足夠分析的資料量。

議題六、健康照護機構採用學習型健康系統之具體策略與方法:

       導入LHS流程工具,並應用於臨床實務及醫療行為改善之應用,藉此建立有效的疾病預測及預防、個人化的治療與用藥模式及醫療機構品質績效管理。