科技發展協助醫療的智慧化，改善醫療品質並擴大醫療能力，其與5G、AI、半導體技術結合，透過行動醫療、醫療資訊系統、健康穿戴裝置、遠距醫療等應用，推動智慧醫療的發展，開啟智慧醫療新時代。
IoMT為遠端醫療的核心
(承前文)物聯網發展遍及各垂直應用領域，醫療與物聯網的結合成為醫療物聯網(Internet of Medical Things, IoMT)也是遠端醫療的核心。Silicon Labs台灣資深應用工程師黃金評(圖4)表示，物聯網設備可用於管理慢性疾病，物聯網是遵守和合規性驗證的理想選擇，由於大流行期間採取的做法，遠距患者監測受到更多關注，醫療保健面臨著嚴重的財務壓力，遠距醫療可以提供幫助。
圖4 Silicon Labs台灣資深應用工程師黃金評表示，醫療物聯網設備可用於管理慢性疾病，是遵守和合規性驗證的理想選擇
在應用上，黃金評說明，連續血糖監測(Continuous Glucose Monitoring, CGM)可以透過藍牙無線技術與智慧手機連結，有助於糖尿病的長期照護；脈搏血氧儀在疫情期間有高度需求，同樣透過藍牙與智慧手機連結，紀錄血氧濃度，若有問題就可以即時告警；其他如智慧體溫貼、動態心電監測、智慧藥物吸入器都是新興的應用。藍牙AoA/AoD在室內定位可以達成公分級的高精準定位。
產品布局部分，黃金評指出，Silicon Labs藍牙解決方案包括BG21、BG22、BG24與2023年第二季即將推出的BG27。因應人工智慧的發展，也導入機器學習(Machine Learning, ML)協助系統進行邊緣運算。在安全機制部分，透過Secure Vault導入安全機制，尤其物聯網安全隱患日益升高的狀況下，醫療裝置通常有個人隱私數據，更要重視安全機制，避免發生聯網安全問題。
高品質影像/標記 強化AI醫療影像分析
醫療影像在AI大行其道之後，成為發展的重點之一，醫療影像是仰賴大量人工標記的訓練資料，有更多高品質的資料才能發展精準的醫療影像系統。資策會軟體技術研究院組長曾易聰(圖5)說，在傷口術後分析上，主要是希望透過影像分析，可以快速判斷傷口的復原或感染狀況，流程為影像蒐集、影像分析、目標識別與可視化等。
圖5 資策會軟體技術研究院組長曾易聰說，醫療影像仰賴大量人工標記的訓練資料，有更多高品質資料才能發展精準醫療影像系統
另外，乳癌是女性的大敵，乳房影像攝影可以早期判斷乳癌的風險。曾易聰說明，亞洲女性緻密型乳房比例高，容易出現高乳癌風險、降低乳房Ｘ光影像篩檢效能、電腦輔助偵測軟體容易出現高偽陽性結果。AI乳房病變偵測可以更容易發現腫塊、疑似惡性腫塊、疑似惡性鈣化點等，早期發現可以進行更適當的處置，降低最終病變為乳癌的機率。
骨折影像分析部分，曾易聰解釋，現況是仰賴大量、人工標記的訓練資料集，同時也難以取得大量、已標記的醫療影像；產生的問題為，大量訓練數據，導致模型訓練時程拉長，不足訓練數據，使AI辨識模型效能差；解決之道為自監督學習(Self-supervised Learning)與遷移學習(Transfer Learning)，目標是希望降低標記資料數量的需求，維持高效能的AI辨識模型。
醫療受到重視是因為其與每個人切身相關，同時影響每個人的健康與生命，透過智慧醫療，可以建立善醫利病的醫療環境、改善醫護人員工作壓力、更好的操作效能、更好的病患就診環境，讓每一條生命都受到更完善的尊重。
AI賦能智慧醫療數位轉型 實現百年全人照護(1)
AI賦能智慧醫療數位轉型 實現百年全人照護(2)