原始來源：

健康管理／大數據構建防疫網

2017-01-11 02:43經濟日報 王欽堂

谷歌工程師透過民眾在網路搜尋的關鍵詞，比對美國疾管局的流感傳播資料；針對搜尋頻率，找出病菌傳播時間、地區的關聯性，讓公衛當局提前控制疫情…

前段時間氣溫陡降，除心血管疾病病患外，流行性感冒的病人也急遽增加。每年的秋末冬初，政府照例會要求符合條件的民眾施打流感疫苗，去年度官方網站公告施打疫苗的時間上寫著「自10月1日開始，用完為止」。

政府為防止流感大流行，必須鼓勵民眾施打疫苗，但是疫苗有有效期限，到底要準備多少才是正確，是一個挑戰。因為萬一流感大爆發，顯然固定儲備的量是不足的，但是如果沒有爆發流行的疑慮，大量施打疫苗是一個龐大醫療支出的浪費，當然也讓施打民眾暴露在過敏性休克及其他副作用中。

防疫尖兵 整合數據資料

到底流感疫苗是否需要大規模的施打，有沒有預警的機制，「大數據」有沒有可能在防疫上扮演更重要角色？

2009年，全世界曾經籠罩在H1N1的新流感病毒中，這種結合禽流感和豬流感病毒的新菌株迅速蔓延。就在全球公共衛生機構都憂心忡忡，擔心爆發大流行的當時，幾位谷歌的工程師精準的預測美國冬天即將爆發流感，甚至還精準定位到是哪些州。

谷歌工程師的祕訣是透過民眾在網路上搜尋的關鍵詞，和疾病管制局2003到2008年之間的流感傳播資料做比對。他們針對搜尋字眼的搜尋頻率，找出和流感傳播的時間、地區，有沒有統計上的關聯性，結果找到了及時有用的資訊，讓公衛當局也因此提前控制了疫情。

社群網站 健康照護幫手

當今最大的社群媒體臉書掌握了全世界17億人每天的動態、行為，甚至他們的心情。這些全球大量免費貢獻的數據，當然也是健康照護上非常重要的寶藏。

曾有數據科學家使用社群網站中網友經常使用的語串，發現心臟病人在社群上使用不雅或不好情緒字眼的比率出奇的高。社群上的使用字眼竟然與心臟病有關！

過去如果我們要預測一個人會不會得到心臟病，則需要大量、長期追蹤其生活習慣，還必須控制各項影響因子，再追蹤某一項因素（如飲食）對於心臟病形成的影響，研究過程曠日費時。而現在只要透過社群網站大數據的分析，就可以找出其關聯性，非常有趣。

大數據在醫學上的可能運用當然不僅是疫情控制或心臟病防治。人工智慧的深度學習發展，更可能直指醫療的核心，取代醫師的角色，而人工智慧的原料就是大數據。

IBM的華生(Watson)電腦曾經與著名的貝勒醫學院(Baylor Medicine College)合作，透過自動分析，幫助貝勒醫學院的生物學家及數據科學家，在短短的數周內藉由分析7萬份科學研究論文，找出六個和癌症相關的蛋白質。

電腦當家 看病免到醫院

一般生技公司傳統上要找到一個上述蛋白質約需要一年的時間。

華生電腦大量分析醫學研究資料的能力，當然也運用在對各種重症或罕見疾病的診治，來輔助醫師對這些疾病的診斷及處方。

一個能夠容納大量數據資料，更具備深度自我學習的人工智慧，它所做的診斷和處方，一定勝過一位醫師本身的知識領域和經驗。

電腦取代醫師，看病不用到醫院等情境的發生，恐怕是指日可待。

從國家的龐大健保資料到每一家醫療機構，其實都存在各式各樣的數據，其中大多數是諸如診斷數據，以及處置、用藥等醫囑這類結構性的數據。

但也有更多以非結構性的數據存在於每天的諮詢電話、網路上行為，甚至病人到醫療機構以後所有動線等。

廣義的數據科學包括大數據、機器學習及資料探勘等，數據科學運用在醫療或健康管理上的潛力，讓人充滿想像空間。

（作者是哈佛健康事業董事長）