大數據、人工智能等技術，正在建立精準醫療的新風貌。

結合大數據：從健康檢查到預測健康風險

以元氣網的“測健康”在線服務為例，使用者輸入出生年度、性別、居住地三項數據，系統即可預測用戶未來各年齡階段的健康機率、預估壽命、醫療花費等信息。

這項健康風險預測工具，即是運用了大數據分析，結合個人的生活型態，加上醫療數據建立預測模型。“測健康”根據用戶填入的數據，從全民健保數據庫中，找出相近年齡、同樣性別、相近居住地的對象，再與之比較，就可推算出初步的風險評估結果。而且，數據庫中的個人健康數據愈豐富，預測結果就會愈準確。雖然目前像“測健康”這類的健康風險預測工具，仍有些粗淺，但分析及研究的方向是正確的趨勢。

相較之下，一般的健檢，僅能判斷個人接受檢查的當下，健康現況是否異常，再安排后續的定期檢查與追蹤。未來，透過大數據分析再加上深度學習的技術，醫療服務有希望能更精準地預測病情及未來的健康狀況，并且針對個人隨時間改變的健康狀況，給出各階段不同的預防建議，達到更佳的健康管理效果。

結合人工智能：從手機到個人醫生，從科技公司到藥廠

近來，由于通訊技術的進步，“遠程醫療”已能讓醫生彷佛近在眼前，但在未來，人工智能卻可能讓醫療成為貼身服務。以手機來說，若是結合人工智能、生物科技等技術，即可能搜集用戶的病理信息，上傳至云端大數據系統，診斷病情，甚至提供領藥建議，讓手機成為個人的醫生。

除了診斷，人工智能在研發制藥的領域，也可能成為要角。與輝達（Nvidia）合作的科技公司Insilico Medicine，就是運用GAN（Generative Adversarial Network）“生成對抗網絡”算法，來協助研發新的藥物。GAN是非監督式學習中的一種，由一個生成網絡和一個判別網絡組成。生成網絡盡可能作出難辨真偽的輸出內容，判別網絡則盡可能在真實數據和生成網絡的輸出內容間，判別孰真孰假。藉由兩個網絡不斷互相對抗，調整參數，就能讓生成網絡輸出的內容更逼真，更能模擬真實情境。

也就是說，藥廠原本必須花費大量時間與成本，篩選具藥用性質的物質與分子，找出候選藥物，再進行臨床試驗，以發掘療效最佳的藥物。但Insilico Medicine借助GAN算法，就能根據疾病或情境，仿真出特定的化學分子結構，以期大幅縮減研制、測試藥物的繁復時程，甚至超越傳統的藥廠。

我們可以說，加速發展的數據趨勢，勢必會掀起另一波數位醫療革命，也會為傳統醫療機構、廠商、現行相關法規，帶來巨大的挑戰，甚至引發醫療產業大洗牌。