精準醫療，採用智慧手術室管理系統
未來醫院的規模不再以病床數來衡量，而是急、重、難症的治療能量，而手術室絕對是最重要的場域。根據世界衛生組織（WHO） 規範的手術安全查核規範（WHO Surgical Safety Checklist），一個手術分成三大部分：Sign-in（簽入）、Time-out（暫停）、Sign-out（簽出）。
每一個步驟都是確保病人手術安全、資訊正確與醫療團隊間的精準溝通。WHO 只提供最基本的規畫方針，然而ICT 資源豐富的臺灣，提供了更先進的智慧手術室規畫。當病人經過一連串術前檢查，並確認手術進行時間與主刀醫師之後，整個流程會由智慧病房系統轉移到智慧手術室排程系統。中央器械供應室有隨時待班的器械運送機器人，依手術室排程來運送病人手術名稱對應的器械包盤與相關耗材；機器人經由乾淨走道運送滅菌手術器械包盤，送達指定手術室後透過系統通知主責護理師；術後的髒汙器械運送機器人則按手術結束時間，由護理師啟動手術助理排程作業系統，搬運機器人前往載運髒汙器械、器具和物品。一臺滿載的手術專用個案車（case cart）可能重達一、兩百公斤，藉由在汙物專用走道來回運送的機器人，不但可以降低器械運送人員的職業傷害，還能支援假日急刀人員不足、降低營運成本與管理複雜度，同時主動通知器械供應室收送案件。機器人的輔助讓手術室運作更為精準並提高效率。
除了術前與術後的自動化效率，最重要的是真正落實術中的安全查核。每臺刀雖然都有標準作業流程，還是難以避免突發狀況。當手術門關上後，所有溝通聯繫都只能透過電話進行，這對於要調度上百名護理人員並同時運作數十間手術室的醫院來說，一直是很大的挑戰。透過手機上的手術查核App，病患Sign-in 時同時確認身分、麻醉準備、器械耗材清單；Time-out 時手術團隊的再次互相確認工作職掌、病患身分與手術部位；Sign-out 時確認檢體、器械與耗材數量。這些步驟都在流動護理人員手上的App 清楚呈現，每個步驟的確認與時間點即時同步到手術室護理站的電子白板，彷彿在戰情室裡同時操控數十個戰役的後勤資源調度。這種結合手術臨床流程、HIS 系統整合與手術紀錄、機器人自動化規畫、App 排程設計的完整方案，讓臨床醫療的高度專業融合在軟硬體的整合中，是AIoT 精準醫療的經典應用案例。
智慧藥櫃，提升用藥安全
WHO 最近把「Medication Without Harm」視為全球最重要議題推動，並在2017 年德國波昂召開的會議中定下明確目標：5 年內降低50％的用藥傷害。臺灣的醫院一直落實「三讀五對1」的給藥規範，以確保病患的用藥安全，但在繁忙的臨床作業中，醫師常因病情變化而調整用藥，若只以人力核對，很難完全落實用藥安全；而利用物聯網科技輔助用藥安全，為當前唯一的解方。
麻醉管制藥品監管是一家醫院最重要的藥品管理核心，如果出現任何差錯，常會演變成重大醫療疏失。此時，智慧藥櫃搖身一變成為最佳利器。依照管制藥品領藥規定，必須同時兩人取藥，利用醫事人員卡和3D 人臉辨識、再連動到院內值班系統，對於取藥身分做最嚴格的把關。根據不同醫院用藥習慣，彈性組合藥物放置空間；取藥時利用AI 藥品影像辨識比對藥名與數量，確保正確的醫師調劑處方；最後再連動醫院藥劑部的藥品系統，時時盤點，確保全醫院的用藥情形安全無虞。
醫院另一個用藥安全的場域，是癌症化療藥劑的運送安全。醫院的化療藥物調劑室為受嚴格管制的特殊區域，因此通常設置在和一般病患施打藥劑地點一段距離以上的空間。利用3D 圖資與內建LiDA（認知架構）的運送機器人，可以安全且精確地在調劑室與護理站之間穿梭；調劑藥師通過3D 人臉識別之後，將調劑好的化療藥劑鎖入內嵌RFID 的感應門鎖；送達化療病房後，責任護理師經過3D 臉部辨識認證後，取出藥物進行投藥。整個過程不但能避免因人力運送化療藥物可能發生的傾倒，以及化療藥劑領取時人員認證的管控風險，藥物取放時間點、實時位置與人員身分都即時連線院內系統，確保整個化療用藥流程的絕對安全與精準管理。
臺灣在醫療健保普及的制度下，民眾用藥頻率極高，藥物事件造成的風險隨時都在發生。醫院藥物事件發生地點以藥局為主（36.2％），其次是一般病房（32.2％）；醫院藥物事件發生階段以醫囑開立與輸入（54.9％）最多，其次為給藥階段（23％）、藥局調劑階段（20 ％）；從「醫囑開立與輸入階段」細項來看，以重複用藥（18.4％）最多，劑量錯誤（16.4 ％）次之；而在藥局調劑錯誤階段細項中，則以藥名錯誤（44.9 ％）最多，數量錯誤（20.8 ％）次之；另外在給藥錯誤階段細項中，以劑量錯誤（22.5％）為最多，藥名錯誤（15.5％）次之。
為了降低用藥錯誤次數，利用AI 人工智慧，串聯機率、藥品資料庫與深度學習，扮演藥品守門人，及時攔截不正確的藥物事件。將AI 應用於用藥辨識的方式相當多元，例如導入臺灣健保資料庫與大型醫院提供的電子病歷，實行無監督學習2，讓AI 學習醫師開立處方的行為，進一步判斷醫囑開立後是否有藥物名稱與該病症無任何關聯，進而發出系統警示；抑或將藥品辨識導入藥局調劑階段，利用AI 藥物影像辨識技術快速識別從藥櫃中取出的藥物名稱、外型和數量，隨後從藥品資料庫帶出藥性、藥物副作用等相關資訊，使藥物調劑時更快辨認是否與處方籤相符，減少取藥錯誤。
無論是裸錠、鋁箔包裝、液裝或盒裝的AI 藥物影像辨識，前提都需要教導AI 進行幾何變換（geometric transformations）： 包含放大、縮小、旋轉；顏色亮度、對比度、色調修正；圖像融合（image composite），拍攝影像與影像資料庫的加、減、組合、拼接；降噪（image denoising ／noise reduction），影像上的雜訊來自硬體或環境光等因素，如果影像雜訊太多，將會影響邊緣檢測與影像分割的準確性，因此如何過濾影像上的雜訊並保留有效訊息就相當重要；邊緣檢測（edge detection）與影像分割（image segmentation）的配合，能將一張影像分割成多個不同區域並準確擷取局部特徵，讓AI 進而認識藥物形狀、大小、顏色、文字、數量等特徵，最後根據前述擷取的影像資訊與藥品資料庫進行配對，即可精準告知使用者藥物名稱和相關資訊。
AI 藥物辨識技術大致可分成兩種：1：1 和1：N，前者的應用多為醫療中心藥劑部調劑時，驗證管制藥或高貴藥的身分；後者則應用在預防取用多種藥品時的錯誤。以技術難度來看，1：N 的難度比1：1 還要高，因為1：N 的藥物辨識更容易受藥物類型、拍攝角度、拍攝方向、拍攝距離、環境光等因素影響辨識準確度。因此在現階段，藥物影像辨識技術與藥物辨識機構的配合度相當重要，產品設計者需針對不同類型藥物提供適合的辨識環境，以降低這些干擾因素。
本文摘自真文化《從AI到AI＋：臺灣零售、醫療、基礎建設、金融、製造、農牧、運動產業第一線的數位轉型》
【更多內容請上《真文化出版》粉絲團；本文由真文化出版提供，未經授權，請勿轉載！】
