相较起来，台湾的疾病负担也与全球趋势类似。癌症依然是大宗，再来是占比6%左右的糖尿病，以及3%的慢性肾脏病、10%的脑中风与缺血性心脏病。「所以这4块疾病，就是我们常讲的高血糖、高血脂、高血压等三高造成的，导致近20%的台湾疾病负荷。」石崇良表示，若要让台湾民众更健康，就得防治癌症和三高。

要降低这些疾病负荷，得先找出致病因。根据台大公共卫生学院流行病学与预防医学研究所所长林先和等人在2017年发表的研究，石崇良点出，这些因子可分为3组，包括三高、BC肝和生活形态（如烟酒、体重、饮食），防范这些因子才能维持健康、降低死亡。

力推大家医计划，锁定糖尿病和三高民众

也因此，「我们必须改变过去的照护模式，从以疾病为主的照护，转为以健康为主的照护。」石崇良表示，这个改变包含3部分，一是将过去的分段式照护，转为协同照护和最终的整合式照护，再来是医疗给付部分，包括从过去疾病治疗的论量计酬，转为过渡期的疾病管理与论病计酬，再到最终的健康管理和论质计酬。但最重要的是，这些转变得靠数位工具来支撑，不只有电子病历，还要有云端数据、AI数位医疗、IoT与远距照护等。（如下图）

其中一大转型计划，就是健保署今年展开的大家医计划。这个计划以原有的家医计划为基础，对象包含代谢症候群防治计划、慢性病P4P、癌症品质计划等患者以及三高民众，要通过全人照护模式，来扩大服务涵盖率、改变生活形态，进而改善健康状态。

进一步来说，大家医计划有个重要工具：家医大平台，来集成特定民众的健保数据、穿戴式设备生理数据和生活形态数据，如血压、血脂、血糖、眼底镜、尿蛋白、疫苗施打、戒烟、BC肝筛检、癌症筛检和营养运动睡眠等，一方面通过平台上的数据分析和风险侦测，来通知医师和个管师，及早与高风险患者沟通、卫教，另也要提供追踪和异常管理功能，如疫苗注射、筛检后异常通知等。最后还要提供数据分析和个案慢性病指针，来协助医师制定个人化治疗方案。

联手Google、国卫院，打造糖尿病风险预测AI

石崇良表示，健保署目前正建置家医大平台，预计今年底前完工，之后会逐步优化平台功能。而健保署今日与Google展开为期5年的合作，预计使用Google云端算力资源、AI工具和数据处理工具等，来与国卫院共同打造专属台湾的疾病风险预测模型，第一波瞄准糖尿病风险预测模型。

这是因为，在台湾每10人就有1人罹患糖尿病，且其并发症严重，如心血管疾病、肾病、视网膜及神经病变等，需及早介入预防与治疗。而且，糖尿病也是台湾疾病负担大宗之一。

因此，在模型训练数据部分，健保署会采用去识别化的性别、年龄、家族病史、风险信息、国际疾病分类代码ICD-10和检验检查等数据，同时通过国卫院专业知识找出更多参数，来训练糖尿病风险预测模型。

同时，Google表示，健保署将采用Google Cloud一系列为医疗照护产业微调的基础模型MedLM，在Vetex AI平台上建置、训练和测试客制化的生成式AI大型语言模型。接着，这些模型可用来预测患者第二型糖尿病患者的并发症风险。

就流程来说，模型会通过健保署健保云运行，医疗院所医师上传数据到健保云，模型运算后会发送结果给医师和民众。这个风险预测分2种，一是针对未患糖尿病的民众，模型会提供10年内、5年内和1至3年内的罹病风险，另一是患糖尿病民众，模型会提供数种风险预测，如总住院率、特定原因住院率、死亡率、慢性病罹患率等。

而风险高低最后会以灯号表示，作为医疗分级参考，比如绿色为低风险、黄绿色为有风险、黄色是中风险、黄橙色中高风险、红橙色高风险，红色则是严重风险。其中，风险较低的民众可建议至卫生所、门诊就医，黄色灯号则可转介至地区医院、黄橙色至区域医院，高风险和严重风险则至医学中心，以此达到分级医疗目标。（如下图）

石崇良表示，所有相关数据只有健保署可存取，也会以最高规格来保护。他点出，未来健保署会通过上述风险分级结果，来拟定不同的给付计划，制定不同风险个案的管理费。健保署也会视照顾成效，来给予奖励，落实以质计酬的支付转型目标。

他表示，健保署与Google联手的糖尿病风险预测AI是第一波应用，借此抛砖引玉，来推动、扩大到更多慢性病和三高疾病风险管理，提高健康状态。