精準健康被視為下一個極具潛力的產業,本團隊在過去研究精準醫療時,發現精
準醫療旨在透過大量數據收集與分析電子病歷、基因、生活型態與生活環境資料,針對不同個案自身環境與疾病狀況發展個人化照護,研究成果顯示生活型態與環境因子影響劇甚;但國際上目前仍未存在有效收集生活型態、生活環境、生活軌跡等精準健康產業必備元素之解決方案,因此本技術透過整合多家穿戴式裝置(生活型態)、IoT居家環境感測器(居家生活環境)、智慧型手機APP(病徵紀錄與個人化健康促進)、公開環境資料(GPS連結外在環境暴露風險)、生活軌跡、電子病歷(臨床評估資料)以及深度學習演算法(急性發作預測模型)落實慢性病的精準健康管理,除提供全天候即時監測輔助醫護人員決策外,亦解決長久以來無法有效追蹤病人出院後疾病風險資訊問題。本技術已為近40位醫護人員與2000名個案提供服務,包括精準健康管理平台、精準健康管理APP、生活軌跡與即時公開環境資訊流串接、穿戴式裝置數據同步、模組化急性發作預測模型等資訊服務,已實際應用於臺大醫院、馬偕醫院、恩主公醫院、耕莘醫院、日本岡山大學醫院等場域。同時精準健康平台及APP已於臺灣及日本Google Play、App Store通過官方審核以健康應用類服務上架至官方商店。截至目前24個月營運期間,共累積193,876,523筆資料,基於巨量資料建立了模組化的急性發作預測模型,健康風險值經由模型運算,即時呈現與警示於管理平台,供醫護人員快速掌握病情之用。目前慢性病急性發作預測模型包含AECOPD、Panic Attack、Colorectal Cancer Postoperative Recovery、Bipolar、Obesity、Depression,經由每日自動上傳之生活型態、生活環境與歷史臨床評估資料做為特徵項,預測未來7日是否會發生異常事件,外部驗證後模型準確度平均可達85%,靈敏度達76%,特異性達86%,F1達81%,相關研究成果已陸續於各國際期刊發表。總體而言,對比國際上慢性病預測模型多利用臨床評估資料訓練之模型成效,準確度高1020%,且本團隊訓練資料集為連續型資料,其產出之健康風險值可具有即時性,更貼近病患實際在院外的狀況,當每日健康風險值過高時,醫師與個案管理師可透過智慧型手機APP與病人建立即時溝通頻道,給予個人化健康建議,並協助即早就醫,穩定慢性病況。