(依姓氏筆畫排列)
- 議題召集人:
許惠恒副院長(國家衛生研究院)
陳秀熙特聘教授(國立臺灣大學 公共衛生學院)
✅ 研議計畫重點:
1. 系統性探討完整生命週期相關預防醫學服務實證應用現況及趨勢。
2. 研擬精準個人化風險評估大數據產業模式。
3. 研擬預防醫學數位化智慧健康企業模式。
4. 研擬預防醫學產業利基及企業化保險營運模式。
5. 提出台灣預防醫學健康智慧產業國際創新模式。
✅ 預期目標及效益:
- 台灣癌症與慢性病實證預防醫學產品應用及系統實證分析
- 透過系統性實症評估與統合分析所產生的實症效益結合決策分析發展疾病防治最佳策略並進一步運用經濟評估成本效益分析在生命周期與疾病預防三段五級架構下標定在現行國家健康政策支持之初段預防、次段預防,以及三段預防中得到台灣在未來仍不足且具有實證效益以發展企業化健康相關介入措施與產業投入價值之疾病防治優先順序配置。
- 以效益以及成本與效益兩面向的實證方法及結果評估不同疾病之負擔、三段五級預防介入可達到之效益,以及介入所需之成本,建立產業化生命週期及預防醫學產業化前期投資及未來收入之利基評估結果。
- 運用台灣嬰兒潮世代與X 世代之人口結構改變結合前述實證效益及成本兩面向實證支持下納入台灣包含嬰兒潮世代與X 世代之人口結構改變之衝擊基礎下預估三段五級疾病防治基礎之需求,在全民健保及預防保健現行公費政策下須提供具有產業投入價值之預防產業發展所需之威脅與優勢分析(SWOT)。
- 個人化精準風險評估企業化模式
- 以目前癌症與慢性病防治之初段預防(健康促進)、次段預防(癌症篩檢、成人健檢),以及末段預防(臨床治療)為基礎建立含括生命週期疾病進展多重階段實證模式。
- 運用機器學習建立包含基因體學與性狀特徵雙軌人工智慧個人化多重階段性風險預測模型,作為企業化保險經營模式基礎。
- 數位化智慧預防醫學
- 運用前述以實證為基礎之大數據機器學習人工智慧個人化多重階段性風險預測發展在台灣全民健保及衛生醫療體系服務之外之醫療照護需求,發展個人化精準介入預防醫學企業模式。
- 納入康智慧城市發展之物聯網(IoT)產業建立健康大數據實證數位資料,並結合前述大數據機器學習人工智慧個人化多重階段性風險預測模型據以發展數位及時評估評估智慧健康預防醫學企業保險前投資及後回收評估模式。
- 預防醫學產業經營治理
- 提出運用區塊鏈達到大數據健康數位資料建立隱私安全性,並在現今全民健保及公部門政策與未來納入商業保險企業發展數位健康資料產業共享決策經濟模式。
- 提出發展兼容公費體系及自費商業保險健康大數據實證數位資料與機器學習人工智慧個人化多重階段性個人化預防
醫學介入模式所需改變現行法規體系之醫療法規及商業保險管理規範。
- 台灣預防醫學產業國際化模式
- 提出運用所建構之個人化風險預防醫學服務推展為國際化數位自由企業永續經營模式。
- 以台灣健康大數據實證數位資料與機器學習人工智慧個人化多重階段性風險預測模型建構世界衛生組織永續發展目標(SDG)預防醫學產業國際化模式以接軌OECD 國際預防醫學產業模式。
瀏覽次數:252