比較台灣歷年參加奧運的成績（扣除沒有參加或零得牌），可以看出來，台灣隊今年奧運獎牌確實大爆發，原因是什麼呢？

除了選手自己的努力和條件之外，定宇分享這5年多來台灣體育公共政策的5大改變給大家參考，

蔡英文政府上任5年多以來，在體育政策上的各項措施，包括經費投入、國訓中心等軟硬體翻新、黃金計畫、強化運動科學重要工程，供大家通盤了解。

一、體育經費估計約8年倍增，110年度增至133.9億：

攤開體育署歷年預算變化，以及用來支持選手的預算比例資料，可以發現規劃從105年度到113年度，這8年間有倍增情況。根據資料顯示，105年度總計96.7億元，到了110年度，已經增加至133.9億元，預計在113年度估計約會來到168億元。

在「培訓體育競技運動人才」，以及改善運動訓練環境經費上，從102年度體育署70.03億元，其中培訓體育競技運動人才及改善運動訓練環境經費僅18.02億元，比率為25.74%；到了110年度，體育署經費來到133.93億元，而培訓體育競技運動人才及改善運動訓練環境經費也倍增至36.91億元，比率上逐步提升到27.56%。

至於所謂培訓體育競技運動人才及改善運動訓練環境經費，其中所包含的項目有4大類，包括四級運動人才培訓及改善基層與大專院校訓練場館、補助國家運動訓練中心辦理奧亞運選手培訓工作經費、運動教練與選手生涯照顧輔導、優秀運動選手教練獎勵金等。

二、2020年東京奧運會黃金計畫，建立黃金梯隊：

面對這次東京奧運，蔡英文政府推出「黃金計畫」，主要針對這次奧運具備奪牌菁英選手，實施專業個人化的訓練，也挑選下屆奧運會奪牌潛力的選手，進行專案培訓，建立所謂「黃金梯隊」。

在「黃金計畫」的內容方面，包括國內、外參賽與移地訓練所需各項支援、專屬人力支援（教練、防護員、物理治療師、體能訓練師與陪練員等），以及訓練及比賽器材（裝備），還有全面運動科技支援，包括生理體能、生物力學、運動心理、營養生化、醫學防護、運動資訊等。

對於「黃金計畫」的預算編列上，從2018年至2021年，每年編列3億元，共計12億元。在本次奧運執行方面，共有11個運動、38位選手列入黃金計畫，且皆取得奧運參賽資格，其中人員包括舉重女神郭婞淳、體操李智凱、田徑楊俊瀚、拳擊陳念琴、柔道楊勇緯、桌球莊智淵、桌球林昀儒、游泳王冠閎等人。

三、國訓中心硬體設施提升，優化選手住宿環境：

至於硬體設施的精進，近年其實一直有新聞釋出，國訓中心、選手住宿的環境，都一甩過去破舊不堪的狀況。攤開體育署在硬體設施的優化成績，在綜合集訓館方面，在104年落成啟用，為2棟地上7層鋼骨構造之建築物，為符合現代國際訓練場規格及環保規範之綠建築，其內容計有14項運動種類訓練場地及重量訓練室，其中球類館的7項為體操、羽球、籃球、手球、排球、桌球及舉重等，技擊館的7項為空手道、武術、拳擊、擊劍、跆拳道、角力及柔道等。

在宿舍與餐廳部分，在109年落成啟用，宿舍為地下2層、地上8層建築物，而餐廳為地上3層，主要提供教練、選手舒適的居住空間與用餐環境；另外，109年也落成啟用全國首座太陽能發電的直線風雨跑道，主要考量南台灣天氣高溫炎熱，可能造成選手體能負擔，影響到訓練成效，也滿足夜間訓練的需求。

此外，109年也落成「組裝式」游泳池，這是承接2017年台北世大運組裝式游泳池，整合國訓中心周邊設施，提供培訓隊伍訓練使用；而在110年時，落成啟用壘球場室內投打練習場，讓培訓隊不受日曬雨淋的影響。

未來，國訓中心有三期計畫，在109年至113年，5年共編列63億元，就國訓中心用地範圍與整建，包括棒壘球場設施優化、射箭場優化、球館、技擊館優化等。

四、強化「運動科學」、「運動醫學」，提供數據擬定與修改訓練計畫：

過去其實在國訓中心本來就設有「國訓中心運動科學處」，簡稱「運科處」，但是在蔡英文政府2016年上任後，擴大強化後勤能量，一改過去蜻蜓點水、短期支援模式，而是由運科人員、體能訓練師、運動防護員、物理治療師、運動心理師、運動營養師等「直接進駐」。

在運科處當中，分為「運科組」、「醫護組」，主要負責六大領域，包括運動生理生化、運動心裡諮商、運動醫療防護、科學體能訓練、運動營養補給、力學情蒐資訊整合等。

在後勤能量的提供上，運科處會例行性給予選手、教練數據、長期隨隊機制，主要就每一位選手身體狀況、訓練概況進行檢測，也給教練擬定與修改訓練計畫的參考資料。

五、選手退役後的保障與協助：

對於運動員退役後的下一步，蔡政府則推出「優秀選手轉任計畫」，就優秀退役選手轉任運動教練（聘任奧亞運績優退役選手為教練，協助國家隊培訓工作），每4年增聘至100名，共編列15.2億元（目前已聘任30人，今年奧運結束後將再增聘70人），將至各級學校、基層訓練站擔任運動教練或單項運動協會任職協助推動體育事務。

同時，也規劃獎勵措施，包括國光獎章、國光體育獎助學金；更針對績優身心障礙運動選手及其有功教練，設有獎勵辦法。

#今日疫情重點【新增274例本土，校正回歸73例，死亡15例；Rt值降為1.02，指揮中心研判疫情趨緩，指三級警戒發揮效果；蔡英文強調政府與民間一起努力購買疫苗，沒有阻擋問題；北市推「確診者在家移出計畫」；新北首設大型篩檢站】

台灣今（31）日新增274例COVID-19（又稱新冠肺炎、武漢肺炎）本土病例，校正回歸數73例，本土總計新增347例，另新增15例死亡案例；全國三級警戒有效，Rt值降為1.02，指揮中心研判疫情趨緩；針對疫苗購買爭議，蔡英文總統下午直播強調，政府與民間一起努力購買疫苗，呼籲國人團結；台北市推動「確診者在家移出計畫」，無症狀者留在社區將成常態；新北市首設大型篩檢站，最多每日可篩3,600人。

■新增347例本土個案、4例境外移入，另有15例死亡

中央流行疫情指揮中心公布國內新增278例COVID-19確定病例，分別為274例本土個案及4例境外移入個案；另有校正回歸73例，總計351例。確診個案中新增15例死亡。

指揮中心指揮官、衛福部部長陳時中表示，今日新增之274例本土病例，為129例男性、145例女性，年齡介於未滿5歲至90多歲，發病日介於今年4月29日至5月30日。另校正回歸個案73例中，為36例男性、37例女性，年齡介於未滿5歲至80多歲，發病日介於5月14日至5月29日。

陳時中指出，所有本土個案共347例，以新北市171例最多，其次為台北市122例，桃園市27例，彰化縣10例，台中市5例，基隆市及苗栗縣各3例，新竹市2例，花蓮縣、澎湖縣、高雄市及新竹縣各1例。其中293例有雙北活動史，其餘縣市54例中2例有萬華活動史，46例已知感染源，6例關聯不明。（見最新疫情概況圖）

陳時中說明，今日新增15例死亡個案（案1778、2111、2616、2656、2658、2795、3143、4936、5698、5732、6803、7140、7277、8031、8134），共計為男性9位、女性6位，年齡介於60多歲至90多歲，發病日介於5月11日至5月28日，確診日介於5月17日至5月30日，死亡日期介於5月21日至5月29日。

境外移入部分，陳時中指出，新增4例皆持有登機前3日內檢驗陰性報告。案8419、案8531、案8532分別為本國籍30多歲男性、50多歲女性及50多歲男性，分別曾於4月29日（案8531）、5月10日（案8419、8532）出現相關症狀，3名個案於5月29日自印度返台，入境後至檢疫所集中檢疫並採檢，於今日確診。案8434為本國籍40多歲男性，5月14日自南非返台，入境後至防疫旅館進行居家檢疫，29日出現相關症狀，由衛生單位安排採檢送驗，於今日確診。

■Rt值從15降至1.02，陳時中：本土疫情趨緩、繼續維持警戒

全國於5月19日進入三級疫情警戒至今已約兩個禮拜，疫情是否趨緩？陳時中出示圖表指出，本波本土疫情已漸趨緩，兩週內Rt值最高位於5月13至15日左右，Rt值高達15；但經過雙北以及全國陸續提升到三級疫情警戒後，現在Rt值已經下降到1，「朝向可控範圍前進，感謝全國人民和各地方政府，積極實施三級警戒，已經看到三級警戒的效果，」未來兩週要積極維持三級警戒的作為，希望把Rt值降到1以下。

陳時中說，目前具體戰略方向是不斷滾動檢討三級警戒相關措施，不足的部分隨時檢討，希望發病到隔離的時間能縮短，縮短愈多疫情就能控制愈好；目前已準備購買相關抗病毒的單株抗體藥物，給輕、重症患者使用，盼能降低重症比率，以及可能被遺漏的病人或死亡個案。

此外，因篩檢、通報程序塞車，指揮中心在5月22日公布400例「校正回歸」案例後，一個禮拜內每日校正回歸案例數大多超過200例，但昨（30）、今（31）兩日校正回歸案例數皆少於100例，分別為89例和73例。（見經校正回歸每天確診數圖）

陳時中表示，從經過校正回歸的研判日圖表來看，5月21日達到最高峰，但經過這段時間的努力，校正回歸案件數已逐漸減少。

■Rt值是什麼？指揮中心：低於1疫情就能反轉

流行病學透過一個指標表示病情在一定區域的傳播情況，此數值簡稱為R，全稱為「即時有效傳染數」（effective reproduction number），簡單來說，是指感染某流行病的一名患者，任意時間能傳染的人數。 Rt值是一種預測模型（Rt＝R值＋時間變化）；R0值（讀作 R-naught）則是基本傳染數，指的是在特定環境，不考慮時間等其他因素，一個病人平均感染的人數，數值愈高，疾病的傳染力愈強。

台大公衛學院流行病學與預防醫學研究所教授林先和說明，R0的定義是指「在沒有免疫力的狀況下，沒有任何介入措施，平均一個人可以傳給多少人。」去年疫情剛開始的病毒株，R0值約為2～3，但此次在台灣流行的英國變種病毒株傳染力更強，約為4～5。他表示，在這波疫情之前，從自身經驗也可以輕易看出，大家的防疫警戒心下降、社區戴口罩的人也變少了，萬華地區更因為在通風不良的室內傳播，造成一傳多的超級感染事件。

透過居家辦公、娛樂場所關閉等介入手段，讓R0值下降，林先和說，國外也都是如此，大波傳染事件結束後，透過封城都能控制疫情，「接下來要做的是讓疫情穩定，不至於一旦回歸正常生活，很快又爆發新一波大感染。」

指揮中心發言人、疾管署副署長莊人祥表示，指揮中心公布圖表中的Rt值是模擬最糟狀況的模擬數字，目前最新數字是1.02，代表一位病人可以傳給1.02個人，「這個值低於1以下就表示疫情可以反轉。」而Rt值的高峰會比確診數的高峰來得更早，是因為病患從發病到確診有一段時間差的關係。

至於重症人數部分，指揮中心醫療應變組副組長羅一鈞指出，本土案例累計確診數7千多例，其中有1,055人屬於重症，若不分年齡層，重症比例為14.9％；若細分年齡區間，年齡大於60歲者，重症比率是27.5％。他坦言，數字有增加趨勢，罹病民眾是年長或有慢性病族群，確實重症比例偏高。

■中央擋民間買疫苗？蔡英文首度直播談話：政府全力協助，沒有阻擋

針對地方政府、民間團體、企業爭相表達購買疫苗，陳時中表示，目前向食藥署行文的有4個單位，跟指揮中心行文有2個單位，至於媒體有報導但還沒正式來文，有10個（單位）沒提出。民間團體自行接洽「並不是說這樣不行」，但最後還是要申請緊急使用授權（EUA），也要確認貨源符合指揮中心的要求。

至於外界質疑國產疫苗沒有進行三期實驗，安全性不夠。陳時中特別拿出圖表比較2家國產疫苗與國際AZ、BNT等疫苗，並指國內一、二期臨床試驗人數包含老年人口在內將近4千人的試驗，規模比國外一、二期數目還多，是擴大執行，可以算是二、三期延續計畫，可以確保安全性。

陳時中補充，三期臨床試驗時間通常會拉很長，如果等到三期做完才決定購買會緩不濟急，國外包含嬌生、AZ、BNT、莫德納等4款疫苗都是尚未完成三期，各國就已經核准EUA。

針對疫苗爭議，蔡英文總統下午5點也首度透過臉書直播發表談話。蔡英文表示，疫情這兩天已有趨緩但仍充滿挑戰，感謝國人過去兩週忍受不便生活，並希望能持續配合防疫指引，避免不必要外出。

關於民間和企業願意捐贈疫苗一事，蔡英文指出，行政院已宣布，民間宗教團體將由內政部次長陳宗彥擔任窗口，企業由經濟部長王美花擔任窗口。她強調，「政府樂意與民間一起努力，沒有阻擋（購買疫苗）的問題，」疫苗需要做查證，才能確保原廠、安全、合法、有效。

為了因應之後將進入的大量疫苗施打階段，蔡英文表示，行政院政委唐鳳已經在做疫苗預約系統設計，現在正在測試，測試完後就可以使用，國人將會知道自己在什麼時候可以施打疫苗。

蔡英文並否認國產疫苗炒股問題，強調相關財報都是公開，可以查證，「我們也做了內部清查，相關政務人員都沒有炒股問題，若有人具體指控，一定依法嚴查。」

蔡英文最後強調，過去一年多因為國人團結冷靜，才能守住第一波疫情，眼前挑戰如果驚慌失措，不會有幫助，從三級警戒到疫苗大規模接種，相互合作，是最好的方法。

■立法院三讀紓困條例，上限至8,400億元；入境離島將全面普篩

立法院院會今日三讀通過《嚴重特殊傳染性肺炎防治及紓困振興特別條例》修正案，提高紓困振興特別預算總額上限至新台幣8,400億元，並延長紓困條例及特別預算施行期限至明（2022）年6月30日止，此波紓困最快6月4日就能發放。此外，立法院也通過國民黨團提出附帶決議，包括本次新追加的地方政府紓困特別預算分配比例從6％提升到10％，以及金門、馬祖、澎湖等離島入境全面普篩，並在一週內設置完成快篩站。

入境離島需篩檢一事，指揮中心也表認同。陳宗彥表示，指揮中心經評估後將同意交通部民航局所屬台北松山、台中、嘉義、台南及高雄小港航空站設立篩檢站。旅客搭乘國內航線前往離島時，應於搭機前填寫「健康聲明書」，現場有症狀者不可搭機，且應配合病毒核酸檢測；若為過去14天內有症狀者，須現場配合接受抗原快篩檢驗且為陰性，始得搭機。經抗原快篩檢驗陽性的旅客，將由航空站安排搭乘防疫計乘車送至衛生單位指定防疫旅館或集中檢疫所。

■北市推確診者在家移出計畫，無症狀者留社區將成常態

台北市副市長黃珊珊今天表示，之前台北市快篩陽性民眾（不分年齡）都送至防疫專責旅館，隔離10天後若都沒有症狀或退燒超過1天以上，防疫專責旅館就可以開立居家隔離通知書，繼續居家隔離7天。但為使防疫旅館、醫院資源更有效運用，台北市今天起實施快篩陽性分流，並公布新的「確診者在家移出計畫」。

黃珊珊表示，計畫分為三大類：中重症者（不分年齡）由救護車送往醫院；輕症者（不分年齡）由防疫計程車、巴士接送至集中檢疫所或加強版防疫專責旅館；無症狀患者則細分為三種，一為55歲以上，二為55歲以下但有慢性病者、需照顧者、評估無法居家隔離者，這兩類由防疫計程車、巴士接送至集中檢疫所或加強版防疫專責旅館，最後一類為55歲以下，採居家隔離17天，並由健康中心每日關懷個案狀況。

黃珊珊表示，未來社區內有確診者、陽性快篩無症狀者隔離，將成為未來新常態，「大家要有心理準備，這些都會發生在你身邊。」

■新北設3,600人大型篩檢站；疫調分析：7成足跡在居家周遭

新北市疫情嚴峻，今日新增本土案例126例、校正回歸45例，是今日確診數最多的縣市，目前新北市累計確診數已達3,478例。

新北市市長侯友宜表示，新北市目前已經有30處快篩站，但為提供市民快速注射疫苗場所，新北市在板橋江翠重劃區首設大型疫苗接種暨快篩站，該處腹地達4.3公頃，而且離社區還有一段距離，非常適合疫苗接種以及快篩。現場共設有3個快篩站，每站有6個窗口，最多可開到18個窗口，1個窗口每天約可篩檢200人，最多可達3,600人，未來可改變成大量疫苗接種的場所。預計6月3日開始預約或到現場登記。

另外，侯友宜指出，新北市警方疫調分析確診者4萬多筆足跡後發現，其中有71%都在居家周邊，17％在公共場所，9％在醫療院所；公共場所中，以傳統市場47%最多，賣場26％其次，公園17％，其他10％。他呼籲，民眾無論室外、室內都應暫停聚會，從戶外回家後持續戴口罩保護家人，並減少外出採買。

■醫護在馬路邊救病人？N95口罩不夠用？指揮中心加開記者會澄清

昨晚有2部於衛福部立台北醫院拍攝的影片在網路上流傳，一是多名患者躺在院外臨時搭建的病床上接受救治、二是醫護在院外救治病患之餘還拿著掃把清除地面積水，引發質疑「醫療量能崩潰，醫護只能在馬路邊救病人」。

指揮中心今天上午臨時召開記者會，陳宗彥澄清，並提出四點聲明：第一、所在地仍屬院區裡，不是路邊；第二、棚內並非治療，而是讓病患等待檢驗結果；第三、臨時棚是為了讓病患等待過程可遮風避雨，需要躺臥的會讓他們使用，旁邊也有醫護人員注意；第四、部立台北醫院醫療量能充足，絕非因為量能不足才將病患移到戶外治療，希望民眾勿再以訛傳訛引發不必要恐慌。

醫療應變組副組長王必勝進一步說明，病人必須先做抗原快篩，陰性才可進急診、PCR陰性才可以住院，這是全國醫院都適用的規定，主要就是要保護院內病人、醫護和醫療資源。

針對台北馬偕醫院有醫師向媒體爆料指出，院內醫護防護裝備嚴重不足，N95口罩一人只發2個，院方甚至要求醫護重複使用，規定要戴滿8小時，若不到8小時還要收起來下次再用。

對此，陳宗彥出示數據指出，目前所有防疫物資狀況都充足，而統計自5月3日至5月27日撥發數量，包括醫用外科口罩3,851萬6,600片、N95口罩235萬4,370片、隔離衣141萬6,160多件、防護衣21萬9,760件，強調地方戰備存量都有達到標準。陳宗彥也喊話要地方衛生單位應注意，隨時撥補給各大醫院，不希望再看到有醫護人員重複使用N95口罩。

（文／林雨佑、陳潔；設計與資料整理／江世民、戴淨妍、黃適敏、柯皓翔；攝影／余志偉、鄭宇辰）

#延伸閱讀
【「這是我們集體的失敗」──疫苗生產大國卻被疫情重創，來自印度沉痛的告白】https://bit.ly/3bXnguw
【真的假的？確診數「校正回歸」很正常，但一次回補太多天恐使疫情判斷失準？】https://bit.ly/3fJSUfW
【從武漢到世界──COVID-19（武漢肺炎）疫情即時脈動】http://bit.ly/2HMR2T6

#報導者 #COVID19 #本土案例 #確診 #死亡個案 #校正回歸 #Rt值 #R0值 #疫苗 #國產疫苗 #紓困 #入境離島普篩 #大型篩檢站

近幾個月，在AI賦能未來醫療的思考特別多，受美國「WIRED連線」雜誌邀請撰寫了一篇專欄文章。我相信十幾年後，不少國家和地區的醫療體驗在AI賦能的作用下將發生根本性改變。

原文刊於「WIRED連線」雜誌英文官網：
Covid-19 Will Accelerate the AI Health Care Revolution
https://www.wired.com/story/covid-19-will-accelerate-ai-health-care-revolution/

中文翻譯來自創新工場微信公眾號 2020-5-22

新冠大流行將加速醫療AI革新
—————————————
2020年元旦前夜，一家位於加拿大多倫多市的人工智能（AI）企業BlueDot捕捉到一些異常：中國武漢市海鮮市場周邊出現多起罕見肺炎病例，BlueDot迅即反應，運用自然語言處理、機器學習等技術，結合大數據和定位追踪，迅速向合作的政府部門和公共衛生機構客戶傳送警報並報告擴散狀況。BlueDot所監測到的異狀，正是數月後撼動全球的新型冠狀病毒肺炎（Covid-19），這比世界衛生組織首度公開警示新冠病毒的時間還要早上9天。

BlueDot的AI平台示範了人工智能技術對重大疫情能起到早期預警的功用，過去幾個月裡，AI在這場全球抗疫戰的許多方面發揮了獨特作用：從疫情預測到篩檢，從接觸警示到快速診斷，從前線無人配送到實驗室藥物研發，人工智能助力防疫派上了不少用場，為特定場景應用賦能。

隨著疫情在全球蔓延，AI技術的創新應用也在各地相繼落地。在韓國，基於地理位置的信息傳遞已經成為控制病毒傳播的重要工具，當人們靠近確診病例時，就會收到基於位置的緊急信息提醒。在中國大陸，阿里巴巴推出的AI算法能夠在20秒內診斷出疑似病例（比人類檢測快了近60倍），準確率高達96%。無人配送車輛很快被投入到人類難以承受的場景，代替人類執行高傳染風險的運輸任務。湖北、廣東等省份的多家醫院相繼使用機器人為病人或被隔離家庭運送食物、藥品和物資。而在美國加州，電腦科學家正在研發能遠程檢測獨居老人健康情況的系統，一旦老人出現身體異常症狀，系統就會發出即時警報。

不過，目前人工智能在公共衛生體系的應用仍顯零散也未成體系。坦率說，過去四個月內，AI在抗疫之戰中的表現並不十分突出，我最多只能給它打分“B-”。新冠大流行暴露了我們的醫療系統的脆弱性：預警響應不充份、通報信息不精確、醫療物資分配不均、醫務人員超負疲憊、醫院病床緊繃、疫苗研發週期長等諸多痛點。當然，AI的零散表現也有客觀原因：醫療體系可說是現代社會各類運轉體系中最為複雜、陳舊不堪且難以變通的一種；且在新冠疫情襲來之前，我們並沒有真正意識到醫療體系問題的緊迫性，沒有提前採取相應的技術預防措施；最為關鍵的是，我們缺少建構AI解決方案所需的大數據。

把目光看向未來，我看到以下兩個AI賦能醫療的樂觀因素。

首先，作為AI燃料的醫療大數據已被激活。舉例來說，機器學習數據科學平台Kaggle組建了新冠病毒開放研究數據庫，名為CORD-19。它將相關數據進行彙編，並把最新研究集中收錄，匯總的格式可被機器讀取和解析，以便於AI進行機器學習。至今這個數據庫收錄了12.8萬篇包含Covid-19、冠狀病毒、SARS（非典型肺炎）、MERS（中東呼吸綜合症）等關聯術語的醫學專業學術文章。

其次，眼下全世界的醫學專家和電腦科學家都將精力集中在解決疫情問題。 X大獎基金會創始人彼得·戴曼迪斯（Peter Diamandis）估計，全球現在有多達兩億名的醫師、科學家、護士、技術專家和工程師投入防治冠狀病毒的相關研發中，他們正在進行數以萬計的實驗，並以「前所未有的透明度和速度」共享信息。

3月16日Kaggle發起「新冠病毒研究挑戰」，匯集與疫情相關的大量信息，包括病毒的自然歷史、傳播和診斷方法、以及從過往流行病學研究中汲取的經驗教訓，幫助全球各地衛生機構及時掌握最新情況，以做出基於數據的分析決策。該項目發布後的五天內被瀏覽超過50萬次，下載量逾1.8萬次。在大陸疫情爆發後不到一個月，阿里巴巴便推出了一種AI算法，該算法基於5000多個新冠肺炎確診病例進行訓練，並關聯到治療後續諸如肺部白色陰影縮小等的成效追踪。隨後，阿里巴巴將其云端AI平台向全球醫療專業人員開源，與合作夥伴聯手部署更大批量的匿名數據，推出包括疫情預測、CT影像分析、冠狀病毒基因組測序等模組。

據估計，現今全球醫療數據的規模每隔幾個月就翻一倍。 2019年一份覆蓋19個國家AI醫療市場的研究估計，AI醫療市場的年複合增長率為41.7%，從2018年的13億美元將增長至2025年的130億美元，主要分佈在六大領域：醫院工作流程、可穿戴設備、醫學影像和診斷、診療計劃、虛擬助手、以及最重要的藥物研發，新冠疫情期間浮現的種種需求，將加速AI賦能醫療的場景落地。

在後疫情時代，我期待AI將加速融入醫療體系，賦能並推動醫療改革。其中深度學習（Deep Learning），即以一種高效方法運算海量、多維數據的能力，是AI結合醫療最為可期的機遇之一。深度神經網絡（Deep Neural Networks）作為AI的一個子領域，已經被用於醫學掃描、病理切片、眼科檢查甚至結腸鏡檢查，以得出準確而快速的算法判讀。十幾年後，不少國家和地區的醫療體驗在AI賦能的作用下將發生根本性改變。

AI賦能醫療，首先能簡化及優化現有的醫療流程，例如醫院的作業流程，保險履約的繁複流程。將AI與RPA（Robotic Process Automation 機器人流程自動化）結合，可對某項工作流程進行智能拆解及優化，進而大大提高醫療系統的運營效率，預約看診、保險理賠及其他流程性工作都會得到效率提升。AI還能加快早期診斷信息的收錄並實現自動化，AI技術所能處理的文本、語言、數字的體量，無論在數量上還是精度上都是機器級別，遠非人類所及。

有了充份的醫療大數據作為基礎，AI還能為每個人或者每個群體建立健康數據基準量表。當我們掌握個體健康數據，就可以根據跟踪動態數據的波動變化，進行數據驅動的診斷，並對潛在大流行疾病的徵兆進行早期追踪研判。然而，再先進的技術系統要做到真正有效，勢必需要與既存的公共衛生警示和匯報機制形成高效鏈接，此類信息斷層即是新冠疫情在早期爆發期間存在的具體缺失。

再上一個層次的AI賦能體現在助力新藥研發、基因組測序、幹細胞、CRISPR（基因編輯）等醫學突破方面，AI模型和算法應用都有其用武之地。在製藥行業，研發一種新藥往往需要付出高昂的投入，某次成功前必有多次付諸流水的失敗試驗，也連帶消耗巨大的時間和金錢成本。現在，科學家們可使用AI機器學習來模擬上千個變量，測試它們的複合效應會對人類細胞反應產生何種影響，這類AI新藥研發的技術已被用於新冠病毒疫苗和其他療法。創新工場所投資總部位於香港的AI藥物研發公司Insilico Medicine是首批對新冠病毒快速響應的企業之一，這家公司利用生成式化學AI平台設計出新藥物小分子，以複製主要病毒蛋白為靶標，早在2月5日便公佈了這些小分子結構。 AI為新藥發明開闢了一個新時代，用人工智能技術來換取藥品研發週期的時間和成本，整個製藥行業勢將迎來翻天覆地的變革。

不久的將來，隨著醫療科學和電腦科學進一步融合，我們將進入一個全面自動化的AI時代，到時人們可以通過可穿戴設備、生物傳感器、智能家居檢測設備等來確保自身和家人的健康。可穿戴設備和其他物聯網設備的數據質量和多樣性大幅提高，將能產生一個有效的良性循環。穿越到未來，下一場疫情在大範圍蔓延之前就應該能夠被跟踪、追溯、攔截並消滅無踪。

或許再過15年，許多人的家裡都會有AI個人助理照料我們，幫著解決全家人的日常健康所需。機器人或者無人機負責把我們的藥品送上門，如果需要進行手術或者外科治療，通常會由機器人操作，或由機器人輔助人類外科醫師完成。在未來，醫生和護士將把更多的精力放在機器無法勝任的任務上，醫療專業人員及富有同情心的護理人員，將同時具備護士、醫療技師、社會工作者、甚至心理諮詢師的技能。他們會使用經AI強化的診斷工具和系統，但更多的時間會與患者溝通，安撫他們的傷痛，為他們提供情感扶持。在我的想像裡，15年後的醫療健康場景可能是這個樣子的：

***
2035年一個冬季早晨，我醒來後就覺得有點喉嚨痛。我起身去洗手間，刷牙的時候，洗手間的鏡子通過紅外傳感器測量了我的體溫。刷完牙後一分鐘，我的私人AI醫師助理發出了警報，顯示我的唾液樣本部分指數異常，並在輕微低燒。 AI醫師助理建議我在家進行指尖探針採血。我在泡咖啡時，醫師助理返回了分析結果，判斷我可能是得了這個季節正在流行的兩型流感其中一種。之後，我的AI醫師助理建議，如果我覺得有必要聯繫家庭醫生的話，有兩個時間空檔可以跟她視頻通話。通話之前，家庭醫生已經收到我所有症狀的詳細信息，她給我開了一種減充血劑和撲熱息痛，一會兒無人機就把藥品送到我家門口。
***

當然，凡涉及到患者的醫療記錄，就得談談隱私和數據保護的關鍵問題。我認為，任憑有用的數據各自孤島式的存在、不善加利用、不從中提煉有價值的信息、不用以推動社會進步，是相當不負責任的做法。技術產生的問題應該由技術解決。隨著AI技術浪潮而出現的諸如數據保護等問題，應該有更為創新的技術方法來應對。

好消息是，近年聯邦學習（也被稱為分佈式學習）已經在數據保護上取得了顯著的進展。基於聯邦學習技術，患者的數據將永遠不會離開所在的醫療機構、醫院或個人設備伺服器等原始存儲設備，機器學習模型將在獨立的數據庫基礎上進行訓練處理，再進行後續整合。聯邦學習、同態加密，結合可信硬體執行環境等技術，將進一步確保數據的計算、傳輸、存儲過程能夠適配不同的隱私偏好，以因應不同國家與文化對於隱私保護的需求差異。

這次新冠肺炎疫情還驗證了一個事實：整體人類命運是共同體，人們對未來運用AI等先進技術共度難關寄予一致的期盼。歷史上，國際合作曾消滅了全球延燒的天花，也幾乎根除了小兒麻痺症。公共衛生無國界，控制及消除流行病是個毋庸置疑的共同目標。在醫學領域，每個國家都能從他國的研究基礎上學習受益並攜手並進，全球化的數據科學，將進一步幫助人類獲取對健康和疾病最為深刻、最為全面的洞悉。

AI有潛力協助我們為下一次疾病大流行做更充份的準備。這需要醫學專家、AI科學家、投資者和決策者傾力協作，也需要關注醫療保健領域的投資人為聰明的創業者和科學家注入新一波動能。

經歷這次疫情，我們應清醒地意識到，要將人類醫療體系推往新的高度，著實需要傾盡全球之力。

創新工場董事長兼首席執行官
李開復博士