介紹
【內容介紹】

關於醫療科技發展的領域分為以下幾種：

遠距醫療 透過遠距醫療達成預防疾病或減少意外的發生，更進一步降低實際用於醫療之費用，降低健保支出。
在硬體方面設備方面，遠距醫療的型態應是透過簡易操作的遠端診療工具，提供資訊供醫師判讀，在做進一步醫療處置，藉此降低醫療成本及地域上的限制。
遠端診療工具首要獲得醫師的認可，並讓民眾接受，另需相對應的軟體開發降低資訊的複雜度，減輕醫師判讀資料的負擔；醫療可與其他產業結合達到早期診斷之目的，
在產業整合部分，行動健康照護產業除加強產業鏈的聯結，增強硬體設技之靈活性與動能外，也應整合應用系統及服務。
若只專注於電子元件及硬體製造，發展將受到限制；考量與物聯網結合，逐步轉型為完整服務提供，從硬體設備設計、雲端平台架設、專業諮詢提供，完善整個產業價值鏈，才能抓住遠距醫療的趨勢與發展。
AI醫療 《糖尿病AI軟體》
Advisor Pro是一種用於幫助醫療機構管理使用胰島素泵和持續血糖監測（CGM）一型糖尿病患者的軟體。
根據 DreaMed 資料，美國超過 100 萬患者患有一型糖尿病，最大的臨床註冊處所有患者中約一半使用胰島素泵。所有使用胰島素泵管理一型糖尿病的人都可以使用該軟體。
DreaMed Advisor Pro 是一款基於雲端計算的數位解決方案，透過分析 CGM 資訊、自我監測血糖（SMBG）和胰島素泵資料生成胰島素輸送建議。透過應用事件驅動的自主學習，Advisor Pro 可提高對每個人的理解，並向醫療機構建議如何最佳化患者胰島素泵的基礎率、碳水化合物比率（CR）和校正因子（CF）設定。
智慧病房 智慧病房的主要理念，其實就是全球醫療院所中蔚為風尚的「床邊服務觀念(Bedside Service)」，只是過去可能只是仰賴醫護人員及許多醫療設備提供的各種資訊來完成，
但現在透過病房醫療資訊系統加以整合，並配合物聯網的通訊功能，讓醫護人員不用隨伺在病患身邊，也能提供即時服務，不但可減少醫護人力的負擔，更重要的是，透過病房醫療資訊系統，還能進一步與智慧醫院其他系統如電子病歷相結合，進而提升醫病關係與醫療服務品質。
研華智能目前已與員林基督教醫院合力建置了完整的智慧病房，包含床邊衛教資訊系統、數位床頭卡、通訊App、護理站電子白板的完整數位病房解決方案，跨平台整合醫護病三方溝通，並利用系統取代紙本，讓院方利用收集來的資料進行巨量資料分析，輔助管理階層經營策略。
產業合作 《Google與健康醫療產業合作》
AI 人工智慧將在健康醫療產業掀起新革命的話題。試想一名病患可產生的數據超過幾十萬資料點，包括基因檢測、影像資料、身體感測器所收集的各式各樣資料以及電子病歷等；
透過 AI 人工智慧的分析，可較傳統研判流程提早 24 到 48 小時，這絕對會給醫師更多救命和治療的時間。
Google 在 2015 年重組成 Alphabet 後，獨立出 3 家聚焦發展健康醫療產業的公司：Verily、DeepMind、Calico。
這 3 家子公司的核心技術也都離不開原本 Google 所專長的 AI 人工智慧和大數據；其中最專精在 AI 的就屬 DeepMind，而布局最廣、最快當屬 Verily。
Verily 產品發展有 4 個主要面向：感測器、健康疾病管理平台、相關裝置和設備研發，以及精準醫療服務。為了達到這樣的目標，公司必須研發軟硬體和感測器來收集人體健康醫療的大數據，現階段已經研發出具備低耗電、高儲存容量，以及有資料加密功能的智慧型腕錶 Study Watch，來做為終端工具。
Sanofi 也與 Verily 共同投資 5 億美元成立 Onduo，研發糖尿病大健康管理平台，包括追蹤軟硬體、藥品與服務一條龍服務。
葛蘭素史克藥廠（GSK）也與 Verily 共同投資 7.18 億美元成立 Galvani Bioelectronics，合作研發奈米科技生醫電子產品，來進行慢性病的治療與追蹤管理。
Google 大力投資的 23andMe，也正與 Milken 研究所和 Lundbeck 合作進行一項基因研究，希望能破解抑鬱症和躁鬱症與遺傳基因組學的關聯，合作夥伴正大規模募集 2.5 萬名病患來進行研究。
醫材方面，Google 也默默耕耘，與嬌生大藥廠合作成立 Verb Surgical，開發包括機器手臂、資料分析以及虛擬化預測和練習等，預期 2020 年推出更便宜、更好用的機器人手術手臂。
而 Google 的 Google Home 也搶入消費者的服務市場，未來透過醫療視訊評估在家病患的身體情況。
疾病預防及治療 《精準醫學—阿茲海默症》
美國國家衛生研究院（NIH）阿茲海默症（Alzheimer’s Disease，簡稱AD）研究高峰會於2018年5月底舉辦，此次會議主要核心為AD治療和預防的精準醫學方法，並且開發能夠解決潛在疾病過程和相關症狀的治療方法，並針對個人獨特的疾病風險特徵進行量身定制。
針對 AD 的複雜生物學和異質性探討新型致病機制
• 藉由單細胞分子數據／網路，找出類澱粉蛋白-β（beta-amyloid protein）、tau 和其他致病性蛋白的致病機制。
• 支持中樞神經系統潛在腦老化和 AD／神經退行性疾病過渡的細胞交互作用綜合模型的開發，並確保其能快速傳遞給研究界。
應推廣 AD 精準醫學
• 利用更先進的免疫分析技術擴大現在和未來的人類研究對象，並且極力支持將系統免疫學納入 AD 研究。
• 允許使用患者的電子健康紀錄數據並將其與臨床和分子數據整合，以建立針對個人的疾病和健康預測模型。
• 擴展生物資源庫基礎設施，以便從各種群體收集臨床數據，以及深層分子表型生物樣本的儲存和廣泛分布。
• 支持開發利用 3D 類器官的共培養系統來重現腦中的複雜相互作用。
• 建立用於可持續數據儲存和處理的計算基礎設施，來使大規模分子和臨床數據能被全世界的研究人員廣泛使用。
預測藥物開發的轉化工具和基礎設施
• 支持標準化的單細胞分子分析（基因體學，蛋白質體學，代謝體學）和開放式數據基礎設施。
• 結合新興的生成型人工智慧化學訊息學模型，可以將新型化合物類推斷為 AD 藥物發現數據集 / 項目。
研發更多新興療法
• 繼續支持並允許使用電腦綜合方法，以用於標靶優先、藥物發現和開發、藥物再利用和聯合治療開發。
• 投資擴展治療模式，包括天然產物，基因療法，反義寡核苷酸，細胞療法等。
了解環境的影響及其與遺傳和生物因素的交互作用，進而推動 AD 預防
• 量化現有和新的 AD 群組的暴露量，以更準確地測量環境暴露因素及其與 AD 風險和疾病進展軌跡的關係。
• 將新的環境和行為感測器以及認知評估技術納入臨床研究中，旨在檢測環境因素和個人行為對 AD 風險和適應力的交互作用。
疾病監測、評估和照護方面的進展
• 建立終端到終端之間的安全高頻數據收集平台，以便持續監測研究參與者的整個疾病軌跡。
• 利用新興數位技術和大數據方法提高發現 AD 早期標記的能力，更好地追蹤對治療的反應並提供更好的照護。
建立一個開放的科學研究生態系統以加速 AD 治療的發展
開發標準同意語言，並且簡化數據和材料轉移協議，並支持數據和樣本共享平台，以確保數據和樣本的快速、廣泛、適當和有效使用。
促進不同學科和疾病領域的研究人員之間的交流，以澄清疾病機制和治療目標，推動改變用途和研究藥物治療的發現，並最大限度地發揮其與治療和預防 AD 的相關性。