Search
（對症下藥的策略與工具，就是有效組合）
貴人們推薦了很多案子，緊湊中，專程高鐵南下，陪最大客戶媽媽到醫院進行骨質密度檢查！
到了櫃臺前，對方說道「抱歉！機器故障...」也沒時間罵人「一故障，就要先馬上通知客戶...」！
改期的日子，我周轉不過來，說道「媽咪，妳叫車，送妳到醫院，只是檢查，完成後就走！」
媽媽不同症狀，我有的安排高雄榮總;可能需復健的(還好都無需要)，我安排在旗山大醫院檢查，思考全盤「守護媽媽策略」！
旗山醫院，離我家一公里不到，媽媽由管家前導開路，戴著太陽眼鏡，騎著畫面「賓士」前往！
媽媽說「檢查拍照半小時就好！」以前我在還不需要時，買畫面車子送媽媽，從開始的抗拒，到現在認為是生活必需品！走路之外，隨時可以穿梭大街小巷，享受自由！
沒有最好的，只要是對症下藥的策略工具組合，就是最有效的！
只要是在桃園接受 PGY (一般醫學訓練) 的年輕醫師應該都會去高揚威診所，再次感謝桃園榮總設計的 PGY 訓練套餐，高揚威診所真是潮到出水。
開業術不稀奇，但有沒有聽過山地開業術。
全國第一間以山地醫療模式成功獲利的診所。不只這樣，開張至今已第二十五年業績仍持續成長，連健保局都覺得奇怪。Google「高揚威」，媒體盡是報導高醫師得到醫療奉獻獎的部分，但我認為山地開業術才是最精華最值得學習的地方。畢盡高醫師自己說有了成功模式才能找到學弟妹進來一起服務，醫療奉獻獎是用來讓更多人知道他在幹嘛才接受的。
還在學生時代，我原以為醫療奉獻獎是一種「封聖」，是一種悲憫的代償獎勵機制，到今天我才了解醫療奉獻獎得主的真正意義是替家鄉醫療找到獲利引擎，藉由引擎來驅動飛輪（flywheel），讓更多資源引入偏鄉，讓更多利益回到原住民身上，甚至長期取得公部門計畫的試辦桿位，成為計畫領頭羊，營造與政府互利共生的關係。
最終目標是提高原住民同胞的平均壽命。
成效驚人。
＊
這篇文我想試著拆解高醫師的飛輪，同時還原今天跟隨巡迴醫療的過程。不過高醫師語速極快，又不斷拋出大量數據，理解錯誤盡請見諒。
高揚威醫師，自稱兇悍的泰雅族人，家醫科醫師，綽號山大王，老爸是日治時期理蕃政策下的醫療政治菁英，但在高醫師小時候便過世了。高醫師以高醫公費生身份畢業之後回到復興鄉衛生所服務，復興區位於桃園的東南角山區，地廣人稀，山高水長。即便在衛生所時期已經過得不錯，薪水高，事情少，還以對當時來說先進的聯合與分潤模式，串連各山地衛生所取得不錯的成就，但是他還想做更多。所以在健保開辦時自己出來開業，開業地點就在衛生所旁邊一條街。
講到這邊，高醫師介紹開業術第一堂課，人口與地理學。現在桃園市兩百多萬人，復興區只有一萬出頭，這樣開業可以賺錢嗎？一般來說只要服務地點的人口基數有三千人便能支撐一間診所營運，但佔了桃園市三分之一土地面積，人口密度僅為市區六百分之一的復興區有可能嗎？高醫師接著指著牆上的地圖，分析各村人口現況與他後來引薦學弟們的開業地點，復興區現在的診所只有一間泰千診所與他沒有關係，而泰千位於人口更稀少的羅浮村，但位於要道上所以可以吸納台七線與其支線上其他村的人口。
復興鄉不僅不是蛋黃區，連蛋白區都算不上。但是高醫師說即使是蛋殼區，只要量做得夠大，服務夠多元，蛋殼還是能夠獲利。這就是一個很好的長尾效應的案例呀。
而且蛋殼上一點點的醫療資源，就是居民的全部，沒有就真的一無所有。
事後證明，比起衛生所，私人診所的彈性與自由度更高。
＊
本來大家都勸他不要出來開業，放棄幾十萬收入與半退休式生活，高醫師仍然出來開業。原本很擔心會不會沒病人，結果開業第一天八十幾個病人，第二個月每日破百，一路到今天，一個月四千五百多單，成為山地無合理門診量限制的醫院。
診所病人跟診所前面種了二十八年如今炸到四樓屋頂的九重葛一起成長，一樣旺盛。
這根本不是一間正常的診所會做到的規模，即使是平地也是很誇張，或者應該說只有山地才能夠這樣做，而高揚威診所又是第一間如此成功的山地診所，所以別具意義。
當然這些是靠努力換來的，二十四小時急診、對山地來說最重要的夜診服務、巡迴醫療，這都是衛生所一開始沒有的東西。另外有些設計事後看來是歪打正著，如免收掛號費讓原住民願意看診，高揚威診所是第一間做山地篩檢服務的診所。經由篩檢抓出需要治療的人（比想像中的還要多得多），然後自動化病歷，藉由定時提醒病人回來拿藥。提高營業額同時提高原住民慢性照護品質。
能來看診的人最少也是是亞健康，那來不了的呢？高醫師是全國第一間接山地醫療巡迴計畫的私人診所，他戲稱整個復興鄉前山後山都是他的醫療牧場，每週巡迴醫療車走的三條路線彷彿拖網漁船，將生病的人一網打盡。各種疾病需求，各種健康狀態被各種粗細的服務網包圍。部落中心是社交據點，都來到家門口了，就醫門檻當然降低許多。他又戲稱自己像郎中，因為許多原住民工作為粗重活，常常腰痠背痛需要貼布。
再來高揚威診所又成為第一間視訊醫療站的連線診所，服務更偏遠的患者。早期因爲連線頻寬不夠，常常聲音跟影像對不起來，所以發展出三線平行連線的方式，影像讓病人看得到能安心、聲音讓問診能即時、傳真讓處方可以傳遞，三者不同步但有效。視訊站不僅成為醫療牧場的牧童，也是送出部落醫療需求的即時狼煙。
後來又針對病情更重的原住民朋友做居家醫療。因為時間一久想要收束外勤服務，但是禁不起公部門遊說。一做下去發現不得了，必須要做，因為在深山裡，躺在家裡的患者實在太令人難過，一個下蘇樂部落四十戶有八戶躺著臥床病人。另一方面資金面算一算發現可行，一個月一百八十個案，一個給付八百，加上林林總總項目結論是做得起來。高醫師一邊打趣道，居家醫療替下降的診所業務補上業績。後續也有討論居家醫療飽和以後的政策調整，但細節太多，我只知道高醫師明確了解自己站在偏鄉的風口浪尖，出來發言可以獲得什麼影響力。
＊
診所幾乎把所有類型的患者都包進來了。之前也接了糖尿病照護網，還有長照賦能的據點，本來想要連護理之家都做，但門口的巷子實在太小無法容納雲梯車進來不符合條件。如今又接下長照A據點，天吶是A據點，可能是我孤陋寡聞，沒聽過哪間診所接下A據點，A據點負責個案管理與發派，是層級最高的長照據點。高醫師說他現在有兩把刀，一把醫療，一把長照。接下來會好好使用二刀流照顧山上的年邁同胞。
提到與政府合作的計畫，他以長照交通接送為例。復興區三輛車購置費用加上每個月三位司機約十九萬元，有多間民間企業來標，衛生局找高醫師去替欲標的企業上課指出復興區的需求，講著講著，衛生局乾脆委託高醫師幫忙整個長照交通的計畫。當然除了一般長照業務，以復興區稀少的醫療資源而言，長照醫療的部分當然是送他這邊，穩定業務量多少有幫助。與公部門打交道，長期而言人和絕對是重要的，高醫師也講了許多，但是運作過程橫跨年度實在太長，人員太複雜，我實在記不起來就省略不提，結論是平時就要親切待人，譬如當初菜鳥高醫師買微波爐給吃冷便當的護理師，照顧了胃也照顧了心。
其實在這邊可以看出政府與高揚威診所之間互利共生的關係，兩邊彼此需要，政府需要偏鄉成績，而全桃園只有一位高醫師；而診所需要財源來開拓更多業務。高醫師說寫公部門計畫，不外乎就是四點：必要性、實質解決方案、自我能力與可被監控性。幾十年下來接的計畫量實在很可觀。
最後是現在全台灣有三十幾間山地診所，有十八間高醫師有參與輔導，將模式 ditto 複製出去，包括剛剛提到的人口地理學、經營策略與計畫等。高醫師表示有為者應如是，實在太帥。
＊
雖然整個話題都是數字，但很明顯上面這些計畫根本就不是光靠獲利就可以做起來的，就算有錢也做不來，需要強烈的動機與靈活的身手，還有最重要的是關鍵的部落理解者。有了名與利才能做更多事，但絕對不是終點，高醫師就是最好的案例，甚至連後事都投入其中。
在巡迴的過程中看到一些有趣的設計，比如桌機一體的看診電腦，宏碁筆電黏在小邊桌上，下面連接網卡與電源，螢幕後蓋黏著健保卡讀卡機，裡頭的醫囑系統是很早期與展望亞洲科技共同設計，高醫師說好可惜沒有申請專利都被拿去用了。醫囑系統設計了大量的套餐，讓即使是司機大哥（兼護佐）也可以準確無誤的從巡迴車拿藥。
巡迴車的部分，是靠三年前在 Flying V 的募資計畫《讓距離不再是距離》獲得 821 人贊助共三百多萬與台積電基金會馳援，有興趣的朋友可以看看當初的募資頁面，寫的真的是很可愛很真摯。
對我來說，高醫師是一個善於調度資源臻至化境的人。
政府資源、民間資源、慈善資源。
＊
回到飛輪，什麼才是山地私人診所的飛輪呢？總結以上，首先飛輪的目的地不是最高獲利，而是原住民健康品質，因此需要多樣化全方位（但不那麼賺錢的）健康服務，這群服務，即便有現有的公共健康資源，仍必須細心分別對接到各個項目，因此需要具有規模化的機構執行才能降低單一服務的建置成本。譬如單單是一個糖尿病共照網在山地肯定是難以單獨執行。
越大的診所規模，各項目計劃可以共享固定成本，多餘的經費便可以多聘人，或是更好的分潤，讓更多人願意來一起幫忙，提升照護品質，讓診所規模更大，於是循環。這是我今天學到最大的收穫。
今天的課程彷彿公路電影，一路聽高醫師滔滔不絕，在北部橫貫公路的部落與部落之間移動，停下來便看診，動起來便分享，一路到晚上。晚上烏漆媽黑的，司機大哥還眼尖發現騎腳踏車掉到山溝裡的小孩，還好沒事，真是嚇死我也。
在沒有路燈的山溝旁，看著高醫師替驚嚇的小朋友做初步的骨骼肌肉理學檢查，即使是路邊還是聖光滿滿，亮亮的。
社區醫學真是有意思！
【AI浪潮席捲醫療業】透視5大類醫療影像辨識的AI應用場景
常見的醫療影像包括了X光、超音波、CT、MRI，以及近年興起的數位病理。由於拍攝技術不同，決定了影像性質和張數多寡，更影響了AI模型訓練的難易度和應用場景
文/王若樸 | 2019-04-16發表
醫療影像一直是窺視人體內部結構與組成的方法，其種類包括了X光攝影、超音波影像、電腦斷層掃描（Computed Tomography，CT）、核磁共振造影（Magnetic Resonance Imaging，MRI）、心血管造影和伽瑪射線等等。
其中，X光攝影、超音波攝影、CT、MRI，以及近來興起的數位病理，都是目前用來打造醫療影像AI常見的類型。這幾種影像因為拍攝技術不同，決定了影像性質和張數多寡，也影響了打造AI模型的難易度和應用場景。
就影像性質來說，臺北榮總放射線部主任郭萬祐表示，X光片、CT、MRI等影像的切片厚度（即每隔多少身體厚度拍攝1張斷層影像的距離）分別是0.16毫米、0.625毫米以及1～2毫米，與數位病理切片的0.11微米相比，解析度相對低，因此從硬體需求角度來看，是醫療影像AI的入門首選。
常見醫療影像AI的類型與應用場景
在這些醫學影像中，「X光和超音波屬於初階檢查，」中國附醫人工智慧醫學診斷中心主任黃宗祺表示，這兩類檢查的拍攝門檻不高，因此累積出大量、各式各樣的影像資料，滿足訓練AI模型的先決條件。
X光攝影是利用X光對不同密度物質的穿透性來成像，密度越高，X光穿透性就越低，在底片上的成像就越白，反之越黑。不過，臺大生醫電資研究所所長張瑞峰指出，「X光攝影將原本立體的多張橫切面影像疊壓為一張平面影像，」因此，一張X光影像中涵蓋了龐雜的訊息，不僅病灶可能會被組織、器官重疊處擋住，小於1公分的腫瘤也難以檢測出，得靠CT進一步檢查才行。
而超音波攝影，則是利用超高頻率的聲波來穿透人體，將不同組織反射回來的聲波轉換為畫面，來呈現體內組織或器官構造。超音波的好處是沒有輻射，但黃宗祺指出，超音波影像雜訊高，難以偵測初期病徵。就乳房腫瘤檢測來說，需要不斷追蹤，才能確定疾病狀況，但也可能因此錯過即早治療的時機。
因此，就X光和超音波來說，AI的應用場景，主要是協助醫生快速從訊息含量大的影像中，找出肉眼難以發現或容易忽略的初期病徵。在2年前，AI權威吳恩達的團隊所設計的CheXNet模型，以121層卷積神經網路（CNN）架構和美國國衛院釋出的胸腔X光資料集訓練而成，就可以做到早期偵測來輔助醫生診斷。
或像中國附醫所開發的乳癌超音波AI輔助分類系統，利用4萬多筆超音波影像和深度學習Xception架構打造而成，能在人眼難以判斷的初期階段，就偵測出腫瘤，「甚至早3、5年就發現了。」黃宗祺強調。
至於CT和MRI，「屬於進階檢查。」黃宗祺表示，兩者專門用來檢查腦、心、肺、腹部臟器等重要器官，門檻較X光和超音波高，成像也較清晰、細緻。但有別於X光片和超音波影像，CT屬於3D影像，透過X光來掃描人體，經電腦重組，以多張橫切面影像來呈現立體的檢查部位，並根據每張橫切面影像的間隔，分為厚切與細切，間隔越小，越能呈現完整的器官。單一次CT掃描可產生數百張影像，也才有機會能夠發現1公分以下的小型腫瘤。
MRI同樣也是一種3D影像，其原理是利用強大的磁場與人體內的氫質子產生共振，再透過電腦處理共振訊號後成像，可以清楚呈現出軟組織和重要器官的結構，像是腦、心、腹部臟器和骨骼關節等部位。MRI掃描一次可產生數百甚至數千張影像，畫質比CT更好。
要進行CT影像和MRI的影像辨識時，雖然醫生容易從清晰的影像中找到病灶，但這兩者每次掃描動輒就產生數百張影像，要從中尋找病灶，不管是標註還是診斷病情，都相當耗時。
臺北醫學大學副校長暨北醫附醫影像部主任陳震宇以肺結節CT掃描來說明，一次拍攝會產生500張影像，而醫生至少得花20分鐘，才能找出肺結節的位置。病人數量一多，醫生不僅要花更多時間來檢驗，準確率也會因長時間作業而下降。
不過，也因為人工判別CT和MRI相當費時，正是醫療影像AI擅長的的應用場景。這也是為何北醫附醫正計畫建置一套肺結節AI輔助偵測系統的緣故，就是為了縮短看片時間，讓醫生有更多時間在病人身上。
吳恩達研究團隊利用美國國衛院釋出的胸部X光資料集，打造出CheXNet模型，可辨別肺部14種疾病，並以熱成像圖來顯示病灶位置。
醫療影像AI新挑戰：數位病理切片
數位病理是醫界近幾年的新浪潮，可以將原本只能在顯微鏡下察看的病理切片，改成直接在電腦上進行。它的出現，是醫療影像AI的新方向，卻也是一個高難度的挑戰，因為數位病理的製作複雜，需經過組織處理、染色切片，以顯微鏡觀察、再掃描至電腦儲存，仰賴醫生專業經驗與時間。
不只如此，數位病理的檔案容量還相當大。與CT、MRI不同，數位病理和X光片一樣都是平面影像，但單一張影像的解析度卻比X光片、CT和MRI高上1,000倍，可達1GB至2GB。因此要拿來訓練AI，不只資料儲存是一大挑戰，訓練模型的時間也需要更久。以數位病理起家的臺灣AI醫療影像新創雲象科技就提到，曾有一次要用一個100層的殘差網路ResNet來訓練每張解析度高達1萬×1萬的影像，得靠GPU搭配600GB系統記憶體才能運算。
不過，臺灣在數位病理的AI應用已經起步了，林口長庚醫院就找來雲象科技開發了一套準確率高達97％的鼻咽癌偵測模組。北醫附醫已經開始將上千片肺癌數位病理交由放射科醫生，要展開部分標註的工作。臺北榮總今年也計畫投資數位病理。
然而，不管是哪種影像類型，在打造AI系統時，都會面臨資料收集的挑戰。也因此，科技部2年前特別發起醫療影像計畫，聯合國內3家大型醫學中心，要利用國人的醫療影像資料，來建置一個大型AI醫療影像資料庫，推動醫療影像AI的發展。
臺北醫學大學附設醫院自去年起，找來了10名擁有2年經驗以上的主治醫生，著手建置肺結節AI醫療影像資料庫，目前已完成1,500例的影像標註和語意標註，今年還要再新增2,000例。
附圖：【超音波影像AI實例】中國附醫旗下子公司長佳智能，開發一套乳癌超音波AI輔助分類系統，可以辨識乳房腫瘤及其良、惡性程度。目前，腫瘤辨識率達9成以上，而腫瘤良、惡性辨識率則約7成左右。（攝影／李宗翰）
X光影像AI實例
MR影像AI實例
臺北榮總與臺灣人工智慧實驗室以6個月的時間，打造出一套能在30秒內就揪出腦轉移瘤的AI系統DeepMets。今年4月份最新結果顯示，DeepMets準確率已達95％。 （攝影／洪政偉）
CT影像AI實例
數位病理影像AI實例
林口長庚醫院與雲象科技共同打造一套鼻咽癌AI偵測系統，由醫院提供數位病理切片資料，雲象負責進行模型訓練，經過2年優化，目前準確率達97％。 （圖片來源／雲象科技）
資料來源：https://ithome.com.tw/news/129973…
#郝健康：骨鬆+肌少==銀髮族愛注意！
【駐家醫師】醫療衛教健康新聞
LINE官方：https://line.me/R/ti/p/%40ynl5328p
FB粉絲團：https://www.facebook.com/docinhouse/
