現今的健康照護系統在已開發國家正面對著多重的挑戰：其中最明顯的莫過於「財務的持續性」和「醫療品質的穩定性」，而「數據化」可以協助健照系統解決上述的挑戰，「減少過多的醫療花費和提供更有效率醫療服務」，解開其真正的價值。
本文將以三個面向主題切入，帶您更了解未來「數據」與「醫療」的緊密關聯性。
- 成本提昇與參差不齊的醫療服務品質
對於一個國家的富裕程度而言，健康照護所佔的比持續地增加，近年來，健康照護的花費比率對於OECD國家來說，正以超過其GDP 1到2個百分點速度成長著。到了2050年，法國在健康照護上的花費將超越本身GDP的25％以上，美國則是成長高達35％以上。
但是，醫療過失和其他相關的安全失誤仍是持續發生在這些已開發國家成熟強健的健康照護體系中，通常肇因於照護服務的不一致性，以及缺乏內部良好運作習慣作法的堅持。驚人的是，醫療過失在美國是排名第三的致死因素，每年超過25萬的人因此而喪命。
- 藉由「醫療數據創新」來解決外在環境挑戰
根據其中一個OECD成員國估計，藉由「導入應用數據科技」，健康照護的花費可以減少7到11.5個百分點，另外醫療品質也可獲得大幅提昇，像是更有效地監測慢性病人的情況、改善臨床決定和推廣宣導健康行為等等，而其中最關鍵的「健康照護數據創新化」則可以用以下的三個主要步驟來執行：
- 無縫數據資訊交流，改善現有照護服務的模式
數據化可以大幅促進患者和醫療照護提供者彼此間資訊的互通交流，達成資訊的無縫傳遞，像是遠端和行動醫療方案可以有效改善對家居患者服務，避免不必要的住院，進而改善臨床結果並減少照護成本，最後利用即時的數據分析工具，可以提昇臨床決策的品質以及監控治療方案的執行。
- 透過進階分析工具與透明度來駕馭醫療數據化
有越來越多依靠健康照護數據分析的程式誕生，讓患者了解與管理他們自身醫療狀況，影響其醫療照護品質，其中最常見的像是決策協助工具，網路服務以及智慧手機App等等，舉例來說，像是drugs.com網站，協助患者能夠辨別潛在的禁忌症狀和藥物衝突等風險，提供預防機制。
另外，醫療服務提供者藉由個別患者的臨床數據與其他相關數據對比分析，像是IBM的Watson認知運算工具、還有醫療新創公司像是提供雲端醫療大數據服務的Syapse和數位醫療公司Flatiron Health都因此將嶄露頭角並逐漸成熟發展。
- 打造醫療服務流程自動化
另外，許多健康照護的過程可以被數據化，像是預約、物流、患者紀錄、人力資源、排班管理和計費等等。舉例來說，利用中央管理中心和患者感應器，來遠端掌控患者情況並提供密集的照護服務，可減少22％的患者死亡率並減少23％的平均住院率，有效地減少醫療資源的消耗並提高服務表現。
- 加速健康照護數據化的方法
雖然，醫療照護數據化有許多的好處，但是仍面對一些阻礙，像是醫療私人資料的蒐集（例如：個資法）、進入和分享，抵抗創新的心態等等，要能有效跨越這些難關可以嘗試以下的方法：
- 強化醫療數據及其結構、管理及存取方式
醫療機構可以考慮套用開放的雲端平台，聚集來自不同來源的數據，搭配專業數據管理人員，專職管理整個架構包含數據的存取、推廣數據的蒐集，與維護數據品質，同時提供患者可以管理自己相關醫療資訊的服務。
當然，這位管理者也必須密切地與法務人員合作，了解各項醫療法規尤其關於患者病例資訊等敏感個人資料的防護等等。
- 打造醫療機構內部對於數據化的適應
醫療服務提供者，需要對內部，針對「數據轉化」發展並給予清晰地溝通說明，闡述所帶來的風險及好處等等。另外更需要導入套用獎勵機制，根據情況、結果、表現等要素，來鼓勵並刺激內部人員對於「數據化」行為的適應，而也別忘記數據化對於醫療的教育及訓練的改變影響。
- 調整現有醫療規範框架來加強醫療資訊交流
醫療照護的數據包含患者個人的敏感資訊，為保護患者資料，這類資訊的使用也相對被嚴格地規範著，但是未來數據化後，醫療資訊的互通有無變得更加重要，現今，許多國家對於醫療資料的法規限制，使得這些數據過於分散地被存放在封閉的本地資料儲存槽中，無法彼此分享。
有鑑於此，歐盟國家們正嘗試建立新的法規與機制來打破這樣的現況，建立起歐洲統一的規範結構可以使得醫療資訊的蒐集、處理及利用能夠更加地協調整合，這將會是打造未來健康照護體系的關鍵一步。
「數據化」，不僅僅在商業體系發酵著，更能讓現有的醫療體系運作與對患者的服務更加完善，但是在實施有效運用數據化的前提是，國家與相關企業需要建立健全心態和支援軟硬體、人才的挹注整合。台灣醫療體系雖擁有堅強的軟硬體實力與專業，但仍須發揮出上下一心的整合力，才可以給國內醫療打造出更精準理想的環境。
【參考資料】
- McKinsey & Company，Health systems: Improving and sustaining quality through digital transformation