現今醫療保健的最大問題在於，人口高齡化使得成本雪上加霜。新的資料來源和創新的技術，讓實驗室可為病患照護提供新的洞見和能力，進而協助實驗室解決這個問題。
隨著感測器越來越靈敏，我們將擁有可用於理解我們健康軌跡的前所未有多的資料量。我們越來越多地運用技術，並透過分析來自語音演演算法、臉部分析、社交媒體及其他新穎來源的資料來診斷、預測及預防疾病。由於我們擁有了大量不同的資料，以及成本更低的處理方式，實驗室在向預防性及個人化照護的轉變中將扮演越來越重要的角色。
共有三大核心技術法規推動了這項資料革命。摩爾定律指出，處理能力每 18 個月就能以相同的成本增加一倍，克萊德定律則指出，儲存空間也一樣，梅特卡夫定律-網路定律都指出網路的價值會隨著其參與者而呈平方成長。
我們開始看到這三條法律在醫療保健領域的融合。基因組的處理成本就是一個明顯的例子，它從 2001 年的 27 億美元下降到 2018 年的僅剩 200 美元 [1]。有人預測，到 2020 年代中期，它可能會下降到低於 5 美分 [2]，此甚至低於沖馬桶的成本。若果真如此，定序服務將變得無處不在，此能大規模促進預防性醫學。
此等趨勢亦推動了人工智慧 (AI) 與自動化的長足進步。在中國的一間工廠，有 90% 的人類工人已被自動化取代 [3]。產能上升超過 160%，而瑕疵率則由 25% 下降至 5%。如果您是醫院的病患，您不希望降低類似的瑕疵率嗎？
醫療保健領域已經開始運用 AI 演算法及機器人，且機器人可比人類更好地執行某些任務。對於某些類型的手術，機器人會比人類更可靠，在某些診斷測試中，機器視覺可以捕捉到人類無法捕捉的細節。放射科醫師已經運用 AI 來診斷一系列疾病，諸如心臟、肝臟及骨骼疾病。幾乎可以肯定的是，還會有更多應用程式即將推出。
這些進展都可藉由推動早期檢測疾病來協助改善獲得優質醫療保健的機會。例如，現在的乳癌的早期偵測感測器 [4] 正接近乳房造影的準確性，此最終將允許人們可以自行完成居家檢測及早期干預。
當我們開始考慮將這些技術應用於我們的實驗室和企業時，我們需要將 AI 視為人類的得力助手。醫療保健的未來可能是數位的，但現實是 AI 並無法取代人類。我們的心態應該是擴充，而不是替代的思維。
對實驗室而言，考慮如何使用 AI 來降低診斷成本、自動化工作流程及改善操作效率，以及如何從前所未有的海量資料中產生新的臨床見解至關重要。這個過程需要創造性的思考和實驗。如果成功的話，此將有助於推動更多醫療保健服務，並降低各地病患的成本。
[1] 現在，您只需花費 200 美元即可完成全基因組測序， Wired，2018 年
[2] 很 快地，對基因體進行測序的成本將低於沖一次馬桶 — 這將永久改變醫藥生態，Business Insider，2014 年
[3] 人類與機器：9 成的人類工作已被機器人取代，BT，2018 年
[4] 雷 射聲波掃描器可取代乳房 X 光造影檢查來發現乳癌， 《科學日報》，2018 年
本文係根據中國廣州 Roche Efficiency Days (RED) 2018 REDefining perspective 發表之：Healthcare innovations from remediation to prevention。
