相較起來，臺灣的疾病負擔也與全球趨勢類似。癌症依然是大宗，再來是占比6%左右的糖尿病，以及3%的慢性腎臟病、10%的腦中風與缺血性心臟病。「所以這4塊疾病，就是我們常講的高血糖、高血脂、高血壓等三高造成的，導致近20%的臺灣疾病負荷。」石崇良表示，若要讓臺灣民眾更健康，就得防治癌症和三高。

要降低這些疾病負荷，得先找出致病因。根據臺大公共衛生學院流行病學與預防醫學研究所所長林先和等人在2017年發表的研究，石崇良點出，這些因子可分為3組，包括三高、BC肝和生活形態（如菸酒、體重、飲食），防範這些因子才能維持健康、降低死亡。

力推大家醫計畫，鎖定糖尿病和三高民眾

也因此，「我們必須改變過去的照護模式，從以疾病為主的照護，轉為以健康為主的照護。」石崇良表示，這個改變包含3部分，一是將過去的分段式照護，轉為協同照護和最終的整合式照護，再來是醫療給付部分，包括從過去疾病治療的論量計酬，轉為過渡期的疾病管理與論病計酬，再到最終的健康管理和論質計酬。但最重要的是，這些轉變得靠數位工具來支撐，不只有電子病歷，還要有雲端資料、AI數位醫療、IoT與遠距照護等。（如下圖）

其中一大轉型計畫，就是健保署今年展開的大家醫計畫。這個計畫以原有的家醫計畫為基礎，對象包含代謝症候群防治計畫、慢性病P4P、癌症品質計畫等患者以及三高民眾，要透過全人照護模式，來擴大服務涵蓋率、改變生活形態，進而改善健康狀態。

進一步來說，大家醫計畫有個重要工具：家醫大平臺，來整合特定民眾的健保資料、穿戴式裝置生理數據和生活形態資料，如血壓、血脂、血糖、眼底鏡、尿蛋白、疫苗施打、戒菸、BC肝篩檢、癌症篩檢和營養運動睡眠等，一方面透過平臺上的數據分析和風險偵測，來通知醫師和個管師，及早與高風險患者溝通、衛教，另也要提供追蹤和異常管理功能，如疫苗注射、篩檢後異常通知等。最後還要提供數據分析和個案慢性病指標，來協助醫師制定個人化治療方案。

聯手Google、國衛院，打造糖尿病風險預測AI

石崇良表示，健保署目前正建置家醫大平臺，預計今年底前完工，之後會逐步優化平臺功能。而健保署今日與Google展開為期5年的合作，預計使用Google雲端算力資源、AI工具和資料處理工具等，來與國衛院共同打造專屬臺灣的疾病風險預測模型，第一波瞄準糖尿病風險預測模型。

這是因為，在臺灣每10人就有1人罹患糖尿病，且其併發症嚴重，如心血管疾病、腎病、視網膜及神經病變等，需及早介入預防與治療。而且，糖尿病也是臺灣疾病負擔大宗之一。

因此，在模型訓練資料部分，健保署會採用去識別化的性別、年齡、家族病史、風險資訊、國際疾病分類代碼ICD-10和檢驗檢查等資料，同時透過國衛院專業知識找出更多參數，來訓練糖尿病風險預測模型。

同時，Google表示，健保署將採用Google Cloud一系列為醫療照護產業微調的基礎模型MedLM，在Vetex AI平臺上建置、訓練和測試客製化的生成式AI大型語言模型。接著，這些模型可用來預測患者第二型糖尿病患者的併發症風險。

就流程來說，模型會透過健保署健保雲執行，醫療院所醫師上傳資料到健保雲，模型運算後會傳送結果給醫師和民眾。這個風險預測分2種，一是針對未患糖尿病的民眾，模型會提供10年內、5年內和1至3年內的罹病風險，另一是患糖尿病民眾，模型會提供數種風險預測，如總住院率、特定原因住院率、死亡率、慢性病罹患率等。

而風險高低最後會以燈號表示，作為醫療分級參考，比如綠色為低風險、黃綠色為有風險、黃色是中風險、黃橙色中高風險、紅橙色高風險，紅色則是嚴重風險。其中，風險較低的民眾可建議至衛生所、門診就醫，黃色燈號則可轉介至地區醫院、黃橙色至區域醫院，高風險和嚴重風險則至醫學中心，以此達到分級醫療目標。（如下圖）

石崇良表示，所有相關資料只有健保署可存取，也會以最高規格來保護。他點出，未來健保署會透過上述風險分級結果，來擬定不同的給付計畫，制定不同風險個案的管理費。健保署也會視照顧成效，來給予獎勵，落實以質計酬的支付轉型目標。

他表示，健保署與Google聯手的糖尿病風險預測AI是第一波應用，藉此拋磚引玉，來推動、擴大到更多慢性病和三高疾病風險管理，提高健康狀態。