我在科技創新（一百零二）中提及的美國已經做了好多年了的多組學的精準醫療公司，是系出美國史丹佛大學的雲檢團隊，它已能做到更即時的多組學生理大數據結合醫療大數據的AI分析應用。
圖源：http://knowledge.wharton.upenn.edu/article/precision-medicine-new-paradigms-risks-opportunities/
據我朋友告訴我，他參與的這個美國史丹佛大學醫學院的人工智慧團隊，5年多來在美國使用AI分析3700萬人的醫療記錄，包括醫院病歷、臨床診斷記錄、生化檢測數據、用藥記錄、保險賠付、及社會行為決定因素，由此產生的AI有500+醫療績效考核模型，和200+疾病風險預測模型。並且以每年新增的10億條醫療記錄，通過人工智慧機器學習，不斷地訓練這些模型以優化其準確度。這套醫療AI系統已使用在美國醫院管理、保險精算、政府控費等領域。
這些AI應用包括急診風險、住院機率、住院天數、在院花費、出院後再入院機率、併發症風險等預測精算、與院內風險管控、資源分配等醫療決策，在美國實際運行已達到急診數減少15%，30天回診數減少13%，住院天數減少12%，院內死亡降低37%等成效，並且為逾200家醫院診所每年節省了15~30%的醫療支出。
整合了世界領先的多組學檢測平台技術和醫療數據AI分析方法，他在2015年在美國矽谷成立了雲檢，利用多組學檢測數據，針對疾病發生過程中的生理變化，發展出更精確的疾病預測和監控AI模型，做到量化解析個人的健康和疾病狀態，突破傳統健檢只能告知是否得病的局限，可以預警可能即將發生的疾病，提前介入干預來避免疾病發生。迄今已建立了包括多種癌症、心肌梗塞、腎病、中風、老年癡呆症，糖尿病在內的近三十種常見疾病的個人化多組學AI模型，並經過樣本測試驗證，可以追蹤預測疾病發生趨勢，運用在主動式健康管理上。
這樣的模型雖然精準，但是對象是美國各色人種的基礎上，對亞洲人並不全然適用。也因此雲檢現在在台灣設立研發和營運據點，與本地醫療機構合作，對台灣當地疾病，結合雲檢系統中80萬亞洲人的模型，以產生更適用於亞洲人的醫療AI，建立發病前精準預測和精準干預，發病後精準治療和精準康復的個人化與智慧化的健康管理模式。
很希望雲檢能跟台灣的醫療機構合作成功，這樣台灣在精準醫療就能有很大的進步。
