今日學習目標是了解 AWS 與 GCP 提供的醫療雲服務,認識其在醫療系統中的應用場景,並理解為何雲端能提升醫療資料的安全性、可擴充性與共享效率。
一、理論重點
二、案例分享
2018 年,美國一家醫療體系 Cerner 與 AWS 合作,把數百萬筆電子病歷(EHR)搬上 AWS HealthLake,利用 AI 協助預測病人再住院風險,並加速研究效率。
同樣地,美國 NIH(國家衛生研究院) 與 Google Cloud 合作,透過 GCP Healthcare API 與 BigQuery,讓研究人員能即時分析基因組與臨床影像資料,加快癌症與罕病研究。
三、簡單程式示範
import json
import re
# -------------------------------
# 模擬 GCP Healthcare API - FHIR 病人資料
# -------------------------------
patient_fhir = {
"resourceType": "Patient",
"id": "12345",
"name": [{"given": ["John"], "family": "Doe"}],
"gender": "male",
"birthDate": "1980-05-12"
}
print("=== 病人基本資料 (FHIR JSON) ===")
print(json.dumps(patient_fhir, indent=2, ensure_ascii=False))
print("\n")
# -------------------------------
# 模擬 AWS Comprehend Medical - NLP 分析病歷
# -------------------------------
medical_note = """
Patient: John Doe
Age: 45
Diagnosis: Type 2 Diabetes
Medication: Metformin 500mg twice daily
Next Appointment: 2025-10-12
"""
# 抽取診斷
diagnosis_match = re.search(r"Diagnosis: (.*)", medical_note)
diagnosis = diagnosis_match.group(1) if diagnosis_match else "無資料"
# 抽取藥物
medication_match = re.search(r"Medication: (.*)", medical_note)
medication = medication_match.group(1) if medication_match else "無資料"
print("=== 病歷 NLP 分析結果 ===")
print("診斷結果:", diagnosis)
print("處方藥物:", medication)
print("\n")
# -------------------------------
# 整合模擬結果
# -------------------------------
summary = {
"patient_id": patient_fhir["id"],
"name": patient_fhir["name"][0]["given"][0] + " " + patient_fhir["name"][0]["family"],
"gender": patient_fhir["gender"],
"birthDate": patient_fhir["birthDate"],
"diagnosis": diagnosis,
"medication": medication
}
print("=== 醫療雲服務整合結果 ===")
print(json.dumps(summary, indent=2, ensure_ascii=False))
這個範例主要模擬了醫療雲端的應用流程:先用 GCP Healthcare API 的 FHIR 格式建立病人基本資料,再用 AWS Comprehend Medical 的 NLP 技術從病歷文字中抽取診斷與用藥,最後將兩者整合輸出成一份標準化的病人摘要,展示了跨雲端醫療服務結合後,如何讓病歷更結構化與易於共享。執行結果如下圖