大數據時代｜Minitab 數據分析軟件 改善醫院診治流程
原文刊於信報財經新聞「EJ Tech 創科鬥室」
本港醫護人手一向供不應求，像現在遇上流感高峰期，醫療系統更加緊絀。當前，除了可選擇北上就醫或養老，其實亦可運用科技，合理分配資源，緩解本地醫療服務的壓力。美國數據分析軟件商Minitab，透過建立視覺化的儀表板，協助醫院改善診治流程、減少病患住院時間，從而降低營運成本。
Minitab高級合作夥伴客戶經理李益豐受訪時稱，本港某知名私家醫院，亦有利用公司的技術節省醫療資源，惟因商業理由無法透露細節。她以鄰近的台灣國泰綜合醫院作參考例子，如要提升醫院營運效率，無非是加大現有資源的利用率，減少無謂的等待時間。
據Minitab提供資料，ST時段上升心肌梗塞（STEMI）的患者，由進入急症室（Door），到完成血管擴張手術（Balloon），過程不應超過90分鐘。這一氣氛緊張的診治流程，被業內人士稱為D2B（Door-to-balloon）時間。
STEMI病人減少住院三天
台灣國泰綜合醫院的案例，正是利用數據分析，改善心臟病患者的治療流程，縮短診斷和治療之間的等待時間。實施全新流程後，該院D2B平均時間從139.2分鐘，減少至57.9分鐘，前後改善幅度達58.4%。由於搶救及時，STEMI患者的平均住院時間隨之減少三天，累計為醫院節省醫療資源超過440萬美元（約3432萬港元）。
機器學習演算法尋關鍵變數
為找出哪些步驟導致D2B超時，團隊分析9個月內的40個STEMI病歷，利用Minitab提供的轉換功能，把當中D2B數據轉為正態分布形式。此舉不但方便分析，數據亦可用於建立個別移動全距管制圖（I-MR Chart），該圖表以折線圖顯示D2B流程的穩定性，同時呈現當中的異常部分。結果表明，診斷確認、藥物治療、術前準備、轉移患者及治療時間均有改善空間。
人工智能（AI）日趨普及，公司是否與時並進，加入相關功能？李益豐認為，AI這一概念很大、很空泛，公司更專注於機器學習。
Minitab高級資料分析顧問、解決方案架構師團隊領導者及客戶成功負責人董鳴強說，不少公司每日產生大量數據，惟如何應用這些數據、發掘更具價值部分是一個難點。若透過機器學習演算法，可在龐大數據中，找到對結果更具影響力的變數（Variable），分析其業務未來走勢。
生成式人工智能（Generative AI）流行，現時大眾多少略知一二。李益豐相信，生成式AI技術普及為公司帶來一定挑戰，加上客戶對其認知大幅提升，對公司軟件能力的預期，亦較以往提升不少。
採訪、撰文：周泳彤
延伸閱讀：
商業模式｜合作夥伴模式 幫助外企融入各地市場
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
