<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"> <p><span style="color: rgb(0, 0, 255);">重點新聞（0601～0615）</span></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">紐約大學 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> LLM </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 再住院率 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>紐大醫學院用LLM準確預測病人再住院率，成果登上Nature</strong></span></p>
<p>紐約大學醫學院打造一款大型語言模型NYUTron，可直接用電子健康紀錄（EHR）原始文字訓練，來預測病人健康狀況，包括院內死亡率、住院時長、未來30天再住院率、共病指數預測，以及理賠拒絕率。該模型已於紐約大學附屬醫院中使用，主要用於患者一個月內再住院率的預測。</p>
<p>團隊指出，一直以來，專家不斷開發預測患者健康的AI模型，但真正用於臨床的卻不多，因為這些AI需要整齊的表格記錄，才能作出最佳判斷。然而醫師各有各的獨特書寫方式，比如自創縮寫來記錄，AI很難用這些資料作出最佳判斷。若要將這些資料重整為表格式，耗時又耗力。</p>
<p>於是，團隊整理了2011年至2020年共33.6萬名男女患者的電子健康紀錄，用其中百萬筆臨床記錄訓練出NYUTron。這些訓練資料包括醫生書寫的任何記錄，如放射線報告、患者病程記錄和出院病摘等。特別的是，不同醫生的書寫方式並未標準化，NYUTron甚至還能解釋特定醫生的縮寫用法。經測試，該模型可預測80%的病患再次住院，這比需重新格式化醫療數據的非LLM標準模型高出近5%；也能預測出85%的患者院內死亡（比標準方法高7%），以及預測79%的患者實際住院時間（比標準模型高上12%）。這項成果也於6月7日刊登於Nature期刊。<a href="https://www.nature.com/articles/s41586-023-06160-y">（詳全文）</a></p>
<p><img alt="" src="https://media.springernature.com/lw685/springer-static/image/art%3A10.1038%2Fs41586-023-06160-y/MediaObjects/41586_2023_6160_Fig1_HTML.png?as=webp" /></p>
<p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 樟宜綜合醫院 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 藥物 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">自動販賣機 </span></strong></span></strong></p>
<p><strong><span style="font-size: 22px;"><strong>新加坡樟宜醫院啟用藥物自動販賣機</strong></span></strong></p>
<p>新加坡樟宜綜合醫院（CGH）部署藥物自動販賣機，民眾可透過販賣機螢幕與藥劑師視訊，在現場購藥、取藥。進一步來說，這是樟宜醫院在今年4月上線的智慧藥物販賣機（PharmaSIS），由藥劑師設計，專門販售處方箋和非處方箋藥物，並獲得新加坡健康科學局（HSA）許可。據統計，5月已有100多名民眾使用這款販賣機。</p>
<p>在使用上，民眾得先在工作日上午9點至下午6點間，在販賣機螢幕輸入自己的姓名與電話，來與藥劑師進行視訊諮詢，由藥劑師確認民眾身分證明文件，並評估、給用藥建議和適當藥物，包括用來治療咳嗽、感冒、腹瀉、便秘和發燒等常見小病的藥物。此外，PharmaSis還24小時提供一系列非處方藥物、助聽器電池和其他聽力產品。為確保用藥安全，這個自動販賣機設有保存藥物的自動溫度和濕度控制系統，藥劑師還能遠端即時查看販賣機的配藥過程，來檢查藥物類型和用量是否正確。樟宜醫院表示，接下來想在社區中心和醫院附屬的社區護理站部署這套販賣機，並考慮增加遠端諮詢的服務時間。<a href="https://www.cgh.com.sg/news/patient-care/changi-general-hospital-pharmacists-drive-innovations-for-patient-and-community-care">（詳全文）</a></p>
<p><img alt="" src="https://www.singhealth.com.sg//sites/shcommonassets/Assets/News/CGH/Media%20Release%20CGH%20Pharmacists%20Drive%20Innovations/CGH%20PharmaSIS%20vending%20machine_resized.jpg" /></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 臺大醫院 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 3D重建 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 電腦斷層 </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>臺大醫院開發一套重組3D電腦斷層影像新方法</strong></span></strong></p>
<p>臺大醫院歷時2年開發一套創傷醫學解決方案，結合開源醫學3D影像重建軟體3D Slicer和微軟HoloLens 2這兩項技術，可快速重組3D電腦斷層影像與磁振影像、標註病灶並轉換為全息影像物件，浮空投影到元宇宙。</p>
<p>進一步來說，X光、超音波、電腦斷層等醫學影像，是醫師評估、診斷創傷病患的重要資訊，尤其是電腦斷層影像不受骨頭、空氣等物理限制，能更全面檢視病患體內構造。但只憑2D平面影像，醫師難以完整判讀多重創傷病灶，但透過3D立體影像，醫師能快速評估所有受傷部位和嚴重程度，進行更完整的術前規畫。透過3D Slicer、HoloLens 2和微軟Teams，醫師可在3D影像上標註骨折、內出血、氣血胸，並與實際的傷患創傷部位進行虛實對照，可用於創傷教學、臨床醫療診斷、以及遠距會診。</p>
<p>在開發過程中，臺大醫院團隊也利用自家歷年創傷醫學影像，建立一套全息影像教學物件資料庫，內容包括肋骨骨折、氣胸、肺挫傷、頸部以及胸腰椎橫凸骨折、髖骨骨折，脾臟損傷與肝臟損傷、創傷腦出血、顱顏骨折。這個資料庫，未來將於臺大醫院教學部使用。<a href="https://www.ntuh.gov.tw/ntuh/News.action?q_type=A01&q_itemCode=13503&agroup=a">（詳全文）</a></p>
<p><img alt="" src="https://www.ntuh.gov.tw/ckfinder_file/ntuh/images/2023%E6%9C%80%E6%96%B0%E6%B6%88%E6%81%AF/20230613%E8%87%BA%E5%A4%A7%E9%86%AB%E9%99%A2%E6%94%9C%E6%89%8B%E5%BE%AE%E8%BB%9F%E8%B7%A8%E5%9F%9F%E5%90%88%E4%BD%9C%20%E5%85%B1%E5%89%B5%E8%87%A8%E5%BA%8A%E9%86%AB%E7%99%82%E6%95%99%E5%AD%B8%E8%88%87%E9%81%A0%E8%B7%9D%E6%9C%83%E8%A8%BA%E6%96%B0%E6%9C%AA%E4%BE%86%E8%A8%98%E8%80%85%E6%9C%83-%E8%A8%88%E7%95%AB%E5%85%A7%E5%AE%B9%E8%AA%AA%E6%98%8E%E8%88%87%E6%83%85%E5%A2%83%E6%87%89%E7%94%A8%E5%B1%95%E7%A4%BA1.jpg" /></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Uber Health </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 營養餐 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 非處方藥物 </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>試行中！Uber Health要在2024年正式提供營養膳食配送服務</strong></span></strong></p>
<p>Uber Health最近宣布，明年要在美國全境正式提供膳食即藥物（Food as medicine）和非處方藥物的配送服務，目前已展開試行。他們指出，這項服務是與醫療機構合作，搭配醫療人員開出的膳食處方，來以Uber Eats外送給民眾。今年3月，Uber Health就展開處方藥物當日配送服務，現在，他們將配送品項進一步擴展到營養餐、生鮮雜貨和非處方藥物，要透過醫療機構的開立，將這些物品配送到民眾家中。</p>
<p>Uber Health指出，這項服務可解決民眾獲得健康飲食的交通問題，而健康的飲食習慣，可減少民眾對治療糖尿病或心髒病等慢性病的藥物需求，也能預防需要額外藥物或照護的地步。<a href="https://hitconsultant.net/2023/06/13/uber-health-launches-grocery-otc-item-delivery-to-patient-homes-nationwide/">（詳全文）</a></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Penn State Health </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 虛擬照護 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 訂閱制 </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>賓州體系醫院推出訂閱制虛擬健康照護服務</strong></span></strong></p>
<p>賓州體系醫院（Penn State Health）最近展開訂閱制的視訊診療服務和健康諮詢服務COMMpanion，由2位醫師、3位護理師和一個護理與健康顧問團隊提供服務，會員可在早上7點到晚上7點間，透過打電話、視訊或傳訊息給團隊，來問問題、獲得健康和照護相關建議。該服務目前先於賓州中部的教育機構和企業試行，今年下半年將擴大至全州。</p>
<p>不只如此，作為COMMpanion服務的一部分，賓州體系醫院也對賓州州立醫學院的學生和家屬提供服務，學生可享有每月5美元的優惠訂閱價格，而受扶養配偶則是每月9.99美元。另一方面，賓州現有的賓州醫療需求計畫（Penn State Health OnDemand）則提供緊急照護和專科照護服務，另也提供24小時的ICU醫師遠距問診、患者定期檢查和遠距患者健康監控服務。<a href="https://pennstatehealthnews.org/2023/06/penn-state-health-enhancing-access-to-primary-care-through-subscription-based-virtual-service/">（詳全文）</a></p>
<p><img alt="" src="https://u6a7g6r4.stackpathcdn.com/wp-content/uploads/2022/09/VirtualHealth1200.jpg" /></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 梅約醫學中心 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Google Cloud </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 生成式AI </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>梅約醫學中心採用Google雲生成式AI新服務</strong></span></strong></p>
<p>美國醫療龍頭梅約醫學中心將採用Google Cloud新推的生成式AI服務Enterprise Search on Gen App Builder，幾乎不需要寫任何程式，在幾分鐘內就能自建搜尋內部資料的Chatbot和語義搜尋應用程式，加速醫師及研究人員搜尋醫院內各種格式的文件，如病歷、研究論文、臨床指引和資料庫作為研究、診斷及治療之用。Google Cloud指出，這項服務也已符合HIPAA標準。</p>
<p>進一步來說，這款服務特別之處，在於用生成式AI聊天機器人模式來搜尋資料，可克服傳統查詢方法的痛點，如出現大量模式匹配連結、相關答案需要人力檢查等。Enterprise Search on Gen App Builder可讓開發者打造特定資料源的搜尋引擎，提高搜尋準確性和相關性，且能處理多模態資料，像是圖片、影像，還能讓用戶控制答案輸出。<a href="https://www.googlecloudpresscorner.com/2023-06-07-Google-Cloud-Collaborates-with-Mayo-Clinic-to-Transform-Healthcare-with-Generative-AI">（詳全文）</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">AWS </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Amazon HealthLake </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> FHIR </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Amazon醫療資料湖新添3大功能，要提高資料互通性</strong></span></p>
<p>AWS在6月初推出醫療資料湖服務Amazon HealthLake三大新功能預覽版，要提供全託管服務，來強化不同系統、應用程式和設備醫療資料的互通性，讓使用者（如SI廠商、醫院IT團隊）用來開發符合美國國家醫療IT協作辦公室（ONC）和美國聯邦醫療保險和補助服務中心（CMS）互通性規範的應用程式。</p>
<p>第1個功能是SMART on FHIR，加入了最新授權協定OAuth 2.0，可為應用程式提供安全、標準的授權。使用者開發SMART on FHIR應用程式時，可控制資料存取和部署的顆粒細緻度，來保障資料安全。另一個功能是患者存取API（Patient Access API），可讓患者和醫療機構安全地共享資料，最後一個功能是FHIR大量資料存取API（FHIR Bulk Data Access API），可讓使用者快速、安全地匯出儲存在HealthLake的患者醫療資料。<a href="https://aws.amazon.com/about-aws/whats-new/2023/06/amazon-healthlake-interoperability-related-onc-cms-patient-access-rules/">（詳全文）</a></p>
<p>圖片來源／紐約大學醫學院、樟宜綜合醫院、臺大醫院、Penn State Health</p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> MedTech醫療科技近期新聞 </span></strong></span></strong></p>
<p><strong><strong>1. 南澳政府撥2,100萬美元來提供永久虛擬照護服務給婦女和兒童</strong></strong></p>
<p><strong><strong>2. 患者不必再憋氣了！GE醫療的深度學習模型Sonic DL可加速心臟磁振造影成像，1個心跳就完成，獲FDA二級智慧醫材許可</strong></strong></p>
<p>資料來源：iThome整理，2023年6月</p>
</div></div></div>
