封閉制度下之創新擴散：AI在醫療應用之個案研究

Abstract

為了解決全球老化以及實現個人化醫療的願景，近十年以AI導入醫療照護產業的「智慧醫療」又重新捲土重來，尤其2020年新冠肺炎影響，更是將AI導入醫療領域的必要性更往前推進，AI導入藥物探索在這兩年有著顯著的躍進，科學家們迫切希望可以雪恥過去的失敗經驗。 過去藥物的研發到上市平均需要10年的光陰，AI應用最大的效益是在自動化上游資料處理過程中重複性高的流程，精準配對、減少人為錯誤並縮短不必要研發時間，增加全新開發候選藥物數目、減少藥物發展後期失敗率。在這個急需解決全球公共衛生事件的現在，是個最值得去開發跟投資的一塊領域了之一了。 藉由AI的機器學習與深度學習技術，已被相信能有效地提高醫療照護流程中的許多層面的效率，AI也因其能同時處理不同種類且龐大的資料量，其所提供的決策建議被認為具有更高的精準性，在照護實務中則可直接有助於縮短以往根據經驗法則給予處置的錯誤期，減少了不必要的醫療開銷。 與智慧醫療相關的議題討論相當多，無論是從產業發展角度或者是以醫師等醫療服務提供者的角度去探討，多數對於AI在醫療上的發展抱持著厚望，尤其現在有相關法規、政策的支持，AI的導入勢必會為醫療產業開創一個新的局面。 本研究選擇AI在醫療產業應用作為背景，試圖從近年來AI在醫療這個封閉領域中的成果、各大科技廠的跨域競爭以及醫院端又如何將這些技術導入，讓終端使用者(醫護人員)接受等面向，來分析未來AI在醫療應用上的發展及挑戰。對於智慧醫療的發展之下，企業們該如何在此封閉的系統下與醫藥界的專家合作? 又或者這些科技大廠在跨域競爭所面臨的挑戰該如何解決? 研究的方式主要透過本論文AI導入醫療產業中，代表不同面向的四個個案，從其研發成果、跨域挑戰的利基，以及法規的限制進行探討，試圖回答本研究所提出的問題，並在最後的研究與建議中，歸納出相關的管理意涵。