智慧醫療不是設備，而是資料流：從《ICPA 報告》談 AI Data 的整合式照護設計

「Smart healthcare = Integrated care + ICT + Measurable indicators.」
— Health System Performance Assessment: Integrated Care Assessment, EU 2018

🎯 導言：AI Data 是智慧醫療的靈魂

這份歐盟報告指出，「智慧醫療」的重點不在於買多少 AI 設備，而在於是否能持續蒐集可量化、可比較的健康照護資料。
AI 只有在有品質、有結構的資料上，才可能做出有用的預測與決策建議。

核心問題：

我們要如何設計一個資料蒐集流程，讓 AI 能夠「理解整合式照護」？

🧩 一、從 ICPA 框架看資料蒐集的四大層面

這些資料不只是評估成效，更能構成 AI 模型的輸入特徵（features）。

🧠 二、AI Data 設計邏輯：從「照護旅程」反推「資料欄位」

「先接縫，再上雲。」—— ICPA 報告的精神

在整合式照護下，AI Data 的蒐集應以**病人旅程（patient journey）**為主軸，跨越醫療、長照與社福資料庫。
這樣的資料結構可支援：

• 趨勢預測（time-series forecasting）
• 成效分類（classification）
• 成本曲線模擬（simulation）

白話理解：
先描繪出「人」在不同階段的照護軌跡，再蒐集每個節點的指標資料。
這樣的資料是連續的、有意義的，也最適合 AI 學習。

⚙️ 三、從「指標」變成「資料流」

ICPA 框架提醒我們，智慧醫療的資料蒐集應該對應到明確指標。
例如：

這些資料一旦被連結，就能讓 AI 看到「整體照護」而非「單一醫療行為」。

📊 四、從丹麥案例學會「資料化的智慧」

歐盟報告中最經典的例子是丹麥弗雷德里西亞（Fredericia）的「居家復能計畫（Reablement）」：

• 45.9% 的長者復能後可完全獨立生活
• 38.9% 的長者服務需求降低
• 每月節省約 €170,000 成本

這些數據不是偶然，而是透過**跨系統資料整合（醫療＋長照＋社福）**持續追蹤才得出的。
這就是 AI Data 的核心價值——讓智慧建立在可驗證的數據之上。

🧮 五、AI Data 蒐集的設計原則

1. 以服務流程為框架：明確定義「照護旅程」節點。
2. 以指標為核心：每項智慧措施都需對應可衡量的指標。
3. 以互通性為前提：確保資料能跨平台共享（HL7、FHIR）。
4. 以倫理為基礎：保護病人隱私與資料使用透明。
5. 以學習為目標：讓資料不只是監測，而能支持 AI 決策。

💡 六、結語：智慧醫療不是買設備，而是養出會說話的資料

Smart healthcare = Integrated care + ICT + Measurable indicators.
智慧醫療的核心，是讓資料會「講故事」，讓 AI 能「理解人」。
從丹麥的復能經驗到 ICPA 的框架，我們學到的不是更多感測器，而是更清楚的邏輯：

Data → Information → Insight → Integration
從「數據」到「智慧」，真正的轉型才會發生。

參考資料
European Commission (2018). Health System Performance Assessment – Integrated Care Assessment.
下載全文 PDF