台北醫學大學附設醫院治理三院百萬大數據，再攻FHIR癌症基因資料

 News from: iThome

2年前，臺醫大成立全臺第一個大學數據處，找來經驗豐富的IT老將掌管北醫體系百萬筆臨床數據，更經手大量開放資料、推動跨國數據聯盟策略。接下來，他們要將癌症、基因資料FHIR化，接軌國際。兩年前，臺北醫學大學出現了一個特別的組織。它與資訊處同等，都是一級單位，但職責不只限於學校，更涵蓋3家醫院，一肩扛起北醫體系所有數據管理的重任。

帶頭的指揮官，更是一位經驗豐富的IT老將，不僅是萬芳醫院早期發展新一代醫療IT應用的推手，也擔任過首任衛福部資訊處處長，現在更是國際醫療資訊標準協會HL7臺灣分會的理事長。

這個組織，就是臺北醫學大學數據處（簡稱北醫大數據處），而這位關鍵人物，就是臺北醫學大學數據處數據長許明暉。「當數據變得非常龐大、複雜時，就需要專責單位分工處理，」許明暉強調：「健康領域更是如此！」

甚至，臺灣醫界最常借鏡的美國國衛院（NIH）也早在2018年，設置數據長（Chief Data Officer）一職和資料策略辦公室（ODSS），來建立標準化生醫資料處理流程。隔年，北醫也跟上這股趨勢，在北醫大下設置數據處，來統籌三家附屬醫院和學校的資料管理工作，成為臺灣少數設置數據長的醫療體系。

「數據處有如一套共通的基礎設施，」許明暉說明，這樣的角色，整合了附屬醫院和北醫大所有的數據資料，統一提供資料處理服務和客製化資料集，個別單位就不必各自設置相同職責的組織，來處理複雜的數據。許明暉更進一步形容，北醫大數據處就像食材標準化的市場，將龐雜的數據標準化，有如「將原始的食材，製作為料理包，」讓使用者輕鬆烹煮、快速發揮效益。

健康數據有多複雜？不只3家附屬醫院百萬筆資料要打理

不過，健康數據究竟有多複雜，需要北醫體系設置專責單位來應對？這從北醫大數據處打理的資料類型，就能以小窺大。首先，他們得治理北醫體系歷年來累積的大量自有資料，包括北醫附醫、萬芳醫院、雙和醫院等三家醫院，徵得病患同意後所取得的各種臨床資料。

這三家醫院擁有近380萬名病患的臨床資料，橫跨近半百個科別，小自病患就醫資訊、治療步驟，大至各種手術、檢驗檢查報告，甚至是癌症相關資訊與基因資料，都包含在內。

再來是許明暉所稱的「聯盟資料，」也就是用於跨國研究的健康資料。比如，北醫大去年加入國際觀察性健康數據聯盟（OHDSI），成為全球300多個據點中的一員，以「資料不出門、共享演算成果」的模式，來與國際成員交流、研究。

為做到這一點，數據處負責資料格式轉換工作，將內部資料轉換為OHDSI專用資料格式OMOP-CDM（Common Data Model），來展開跨國研究。

不過，北醫大數據處還需費心處理一類資料，即大量的外部開放資料。舉例來說，他們整理了美國NIH資助打造的重磅醫學重症資料庫MIMIC-III，提供橫跨11年、包含數十萬名患者的住院資料，來給校內師生和醫院同仁使用，一方面作為教學工具，一方面也作為深入研究的材料。

不只如此，北醫大數據處還有個經營健保資料庫的任務。衛福部健保署開放健保資料庫加值研究已有數年，全國研究者除了能在衛福部本部申請研究，也能在全臺10個分中心使用，北醫大就是其一。而北醫大數據處，就負責分中心的維運工作。

下設四大中心分工，還有AI專家進駐提供代客烹煮的數據分析服務

為進一步管理複雜的健康數據，數據處還下設四大中心，來分工負責不同的內外數據服務。

比如，健康暨臨床研究資料加值中心負責維運北醫大健保資料庫分中心，甚至進駐多位統計學專家和資料科學家，來提供「代客烹煮」的數據分析服務。

研究者若想以健保相關大數據開發AI模型，但本身AI技能不足，就能透過中心專家來打造模型。許明暉比喻：「這就像我們提供處理好的食材，但顧客不會料理，這時就能透過我們的AI專家，來協助烹調。」

再來，數據處還有個臨床數據中心，負責整合三家醫院的電子病歷資料，包括病患基本訊息、就醫資訊、檢驗報告、治療步驟等結構化資料，以及醫師記錄、病理報告、醫學影像報告等非結構化資料。臨床數據中心專門將這些資料，彙整為可分析的資料。

今年8月，數據處還新設一個北醫非常期待的單位「生物資訊中心」，來專攻精準醫療。這個中心將結合校內高通量生物技術和雲端分析平臺，運用自有的百萬筆臨床數據和需複雜運算才能處理的多體學（Omics）資料，來打造一站式生物數據分析服務。

這就是北醫大數據處生物資訊中心的目標。但他們還有一個任務：分擔中研院發起的臺灣精準醫療計畫（TPMI）。這個TPMI計畫，是要打造臺灣百萬人基因資料庫，而北醫大負責收集其中5萬人的基因資料，未來，生物資訊中心還將提供相關資料分析服務。

除了這三個中心，數據處下還有一個專精教育數據分析的校務研究中心，來負責教育數據處理。比如，該中心會追蹤學生在校和離校後的表現，進一步協助學校擬定多元入學政策。

遵循敏捷開發小而美精神，與使用者完善客製化資料集

這些資料林林總總，相當複雜，著手處理更煞費苦心。不過，許明暉也分享一套實戰法則，來說明團隊如何打造使用者可立即上手的乾淨資料集。

以臨床數據來說，醫院取得病人同意的臨床資料後，會由北醫大資訊處進行資料ETL，將資料放置到特定資料湖，再由數據處接手，展開資料處理工作

這時，為建立符合使用者需求的資料集，數據處會先找出資料集的組成特徵，比如某疾病涵蓋的人口、病患性別比、壽命分類，甚至是超過特定就醫次數的病患數這類細緻特徵。

接著就進入建置階段。他們遵循敏捷開發Scrum精神，以每個專案最少3人、最多7人的規模建置資料集。這對擁有20多名人力的數據處來說恰到好處，既不占用過多人力，也不至於不足。

過程中，他們每1、2周就檢視進度，以這種小而美、邊執行邊修正的方式，來完善資料集。許明暉更強調：「我們不追求一次做到最完美，而是資料集整理到一定程度後，就先開放申請，讓團隊跟著使用者一起使用。」正是這股跟著使用者一起做的精神，讓數據處更能根據使用者回饋，進一步精進資料集。

用NLP工具協助醫師快速抓出病理報告重點

不只建置資料集，數據處也會提供AI工具，來優化醫院的臨床作業流程。比如，他們利用一套開源自然語言處理（NLP）模型，打造成可以抓取關鍵文字訊息的AI工具，來加速處理結構鬆散（Free text）的文字型報告。

其中最成熟的應用，就是從病理切片報告中，擷取出乳癌三陰性關鍵訊息，並將訊息自動匯出到Excel表格，轉換為結構化資料，來快速提示報告重點、協助醫師決策。

「這種三陰性特徵很棘手，」許明暉解釋，三陰性乳癌預後不理想，因此在臨床上備受重視。這類病理報告通常一份數百字，但三陰性特徵不會清楚地集中出現在報告某一處，負責醫師得仔細閱讀所有報告，從不同段落找出這三種特徵才行。

因此，透過NLP工具快速從病理報告中整理出這些特徵，就能協助醫生更快制定治療策略，甚至是預測預後。

許明暉也希望，這個NLP幫手未來還能更聰明，比如能根據前後文判斷更精準的資訊，「看到醫師寫的數字，就能判斷是年齡、身高還是體重，」他說。

第一道防線把關資料合法性，還找來美NIH標竿人物給建議

打理如此龐雜的健康資料，許明暉透露，數據處還有四大原則來指導。首先是「資料合法性」，他舉例，要取得臨床數據，必須先以知情同意書，告知患者資料去識別化後的用途、取得同意。

再來是多元機制原則。比如，醫療資料可用於非營利的教學研究，也能用於藥廠研發新藥等盈利目的，北醫大數據處要做的是，讓患者能選擇資料用途，而非只單純詢問是否願意提供資料。

第三個原則是「退出機制」。許明暉解釋，病人既然願意授權資料使用，也應有中途退出的權力。對此，數據處會依意願來調整資料集，刪除中途退出的患者資料、保障退出權力。

最後是隱私安全，數據處不僅要將患者資料去識別化，還要確保資料不被有心人士竊取。因此，數據處與資訊處密切合作，由資訊處打理一切IT、資安工作，比如資料湖建置、防火牆設置、運算資源提供等，讓數據處專心負責資料處理工作。

但這些還不夠，為進一步與國際接軌，北醫大還請來一位參與過NIH百萬人基因計畫、美國大型電子病歷資料研究計畫的標竿級人物—美國范德堡大學生物統計系主任石瑜，來擔任顧問角色，指導北醫大的數據發展策略，來接軌國際醫療大數據的作法。

下一步攻癌症、基因資料FHIR化

不只藉助標竿大師經驗改善資料管理作法，數據處下一步還要往國際醫療資料交換標準FHIR邁進。這個標準由國際醫療資訊標準協會HL7制定，就像是一套通用的溝通語言，讓不同組織、不同廠牌儀器產出的資料，也能互相溝通。

「但這種溝通形式，較適合北美大型市場，對習慣走客製化資料交換規格、規模小的臺灣市場來說，FHIR會推得很辛苦，」許明暉坦言。因此，他們並非要從頭將所有資料轉換為FHIR格式，而是鎖定跨國研究這個目標，來推動FHIR應用，特別是癌症研究資料的FHIR化。

他解釋，選在這個時間點投入，是因為以FHIR架構為核心的癌症資料系統mCODE逐年普及，甚至，HL7協會還將mCODE作為旗下FHIR加速器的推廣項目之一，越來越受到各國醫界採用。

而且，北醫大數據處加入的OHDSI聯盟，今年更推出能將聯盟OMOP-CDM資料格式自動轉為FHIR格式的工具，讓各成員的數據團隊，能更快建立符合FHIR規格的癌症資料集。對北醫大而言，費了一番功夫將內部資料轉換成聯盟資料的苦功，現在可以很容易地轉換為FHIR格式資料。

除了癌症資料，「我們還瞄準基因資料！」許明暉看好這個正在萌芽發展的領域，「美國甚至發起4年計畫，要用FHIR架構推動基因資料標準化！」他直言，基因資料標準化對臺灣非常重要，因為「美國透過4年計畫已逐漸步入正軌，臺灣這時投入，是最好的切入點！」這句話，點出北醫大數據處這位指揮官更遠大的數據願景。