台北醫學大學醫學資訊研究所特聘教授李友專指出，「台灣是全世界醫療大數據最好又密度最高的國家之一。」因為台灣健保將全國資料都歸納到單一資料庫當中，至今已經累積25年，擁有超過2,300萬人的資料。相較之下，英國、加拿大、澳洲、法國等國家雖然一樣擁有社會保險，但是數據存放卻是分開的，格式也各自不同，彼此間更無法交換數據。

除此之外，台灣人平均每年看病15次的習慣，也間接有助於「多維度測量」，包括醫院檢驗、檢查或開藥診斷等數據，都有助於AI醫療的開發。

台灣醫療大數據的品質優秀之處並不止於如此，「全世界很少有國家的用藥和診斷是由醫師直接輸入，大部分都是醫師手寫或隨手打幾個字，後端再由編碼人員登錄。」李友專指出在健保成立後，台灣就由醫師直接撰寫或輸入資料，因此包括診斷、用藥資料、檢驗的品質，報告相對都很完整，非常貼近真實的狀況，病人實際的健康情況和病歷上所陳述的差距很小。

同時，健保署每年審查約250萬份病歷也對於資料正確性有所助益，台灣要求所開藥物與診斷必須能對應，一旦無法對應不但不給付，還會開罰。在美國，保險不管診斷只管用藥，藥用對了，診斷隨便輸入無妨，也因為這些因素，讓台灣醫療大數據的品質令人信賴。

對於未來AI醫療發展的主要方向，李友專語重心長地表示，最重要的2件事，一是減少醫師血汗，二是避免醫療錯誤。

據評估，導入AI至少可以防止一半的錯誤，而WHO估計每年用藥錯誤成本高達4,000億美元，所以，導入AI把關至少可以省下2,000億美元的不必要成本。隨著AI醫療的進化，未來不只可以讓醫療錯誤降到最低，更能將防疫戰線更加全面化。

【2020-05-05 / 聯合新聞網】