AI 時代的健康長壽與社區照護模式
Other

AI 時代的健康長壽與社區照護模式

2026-02-07

AI 時代的健康長壽與社區照護模式

(Healthy Longevity in the Age of AI: From Community Care to Value-Based Healthcare)

陳亮恭院長

第一部分：宏觀願景與人類壽命的「奇點」

1. 政策頂層目標：縮短不健康餘命

演講首先從國家政策的宏觀角度切入。「健康台灣」計畫不僅是各項子計畫的集合，其最高層級且最具挑戰性的終極目標，是在未來的八年內（實際上僅剩六、七年），達成以下關鍵指標：

  1. 增加平均餘命兩年。
  2. 將不健康餘命縮短至 8%。

目前的現況是，台灣人平均壽命約 80 歲，但晚年約有 8 年（約 10% 的時間）處於需要他人照顧的不健康狀態（相比之下，日本約為 11-12%）。政府的目標是極力壓縮這段失能時間。這不單是醫療體系的責任，更涉及癌症死亡率下降、慢性病管理優化，以及最關鍵的——社區與社會整體的介入。

2. 人類壽命的兩個「奇點」 (The Two Singularities)

人類歷史上經歷了兩次關於壽命的重大轉折，稱為「奇點」：

  • 第一個奇點（工業革命，約 19 世紀）： 在此之前，人類文明數千年來的平均壽命長期維持在 40 歲左右。工業革命後的科技與社會進步，讓人類壽命在短短 200 年內倍增至 80 歲。當時的挑戰主要是傳染病，慢性病、失智症或癌症在 40 歲的壽命框架下並非主要議題。
  • 第二個奇點（現在，AI 時代）： 我們正處於類似工業革命的變革期，這次的驅動力是人工智慧（Artificial Intelligence）。在平均壽命 80 歲的基礎上，我們面對的生命軌跡與過去截然不同。

當前的特徵與困境：

  1. 多重共病 (Multimorbidity)： 80 歲的長者身上很難只有一種疾病，通常同時患有 3 到 5 種慢性病。
  2. 醫療碎片化： 傳統醫學教育與治療是以「單一器官、單一疾病」為中心。導致一位長者需看 5 到 8 個科別，各科觀點不一，最終導致「越來越長壽，卻不見得越來越健康」。
  3. 照顧需求的轉變： 現代人更在意的是「健康餘命」而非單純的「長壽」。大家擔心的不是死亡，而是晚年從拿拐杖、坐輪椅到臥床這段漫長的不便時間。

第二部分：典範轉移——從治療疾病到功能保存

1. WHO ICOPE 架構與醫療模式質變

世界衛生組織 (WHO) 在 2015 年提出了一個關於健康老化的新概念：無論幾歲，重點應放在維持生活功能，而非單純治療疾病。這代表醫療體系需要發生質變，從被動反應走向主動預測，從疾病治療走向功能維護。

  • 從 Reactive (被動反應) 到 Proactive (主動預測)： 傳統醫療模式如圖所示（左圖），是一個人面對突發疾病時感到焦慮、困惑與無助；未來的模式（右圖）則應是自信、掌控且愉悅的。透過科技與數據，我們不再是被動等待生病，而是主動伸出觸角管理健康。
  • 從 Disease (疾病) 到 Function (功能)： 治療單一疾病（如高血壓、糖尿病）固然重要，但對於多重共病的老人，應以「功能（Function）」作為統合治療的目標。只要慢性病不影響生活功能，其衝擊便是可控的。
  • 從 Treatment (治療) 到 Prevention (預防)： 醫療的本質就是「預測」（診斷是預測現況，預後是預測未來）。AI 的強項在於預測，透過科技我們可以從單純治療轉向精準預防。

2. ICOPE 的具體執行步驟 (Steps of Integrated Care)

要落實 WHO 的健康老化，不能只靠醫院，必須深入社區。具體的執行步驟如下：

Step 1: 基本評估 (Screening) - 去中心化 老化的問題普遍存在於每個家庭，不可能所有人都在醫院排隊評估。第一步必須簡單到民眾在家或在社區據點就能完成。

  • 篩檢重點： 針對內在能力 (Intrinsic Capacity) 的下降進行篩檢，涵蓋認知、行動力、營養、視力、聽力及憂鬱等面向。
  • 實證數據： 在我們的社區實踐中（如關渡地區），第一階段篩檢了 2,614 人。結果發現約 75% 的社區長者在某項功能上有異常，顯示潛在需求巨大，這與法國團隊的研究結果相近。

Step 2: 深入專業評估 (In-depth Assessment) 當篩檢發現問題後，才進入醫療端的專業評估。這不只是看病，而是全人評估。

  • 評估工具： 包括認知功能 (MMSE)、活力/營養狀況 (MNA-SF)、視力 (WHO 簡易視力表)、聽力 (耳語測試)、行動力 (SPPB) 與心理狀態 (GDS-15)。
  • 數據洞察： 共 2,006 人 進入此階段。我們發現許多在心臟科看高血壓的病人，原主治醫師並不知道其記憶力或聽力已衰退，這些資訊會改變原本的治療決策（Care Plan）。

Step 3: 制定個人化照護計畫 (Personalized Care Plan)

  • 計畫內涵： 必須了解長者的生活價值觀、優先次序及社會經濟背景。計畫不僅包含疾病治療，更涵蓋生活型態調整、運動處方與社會支持。在此階段，我們為 1,106 位 長者制定了個人化計畫。

Step 4 & 5: 社區落地執行與持續監測 (Implementation & Monitoring) 醫生開立的運動或飲食處方，如果病人回到社區沒有環境執行（如缺乏運動場所或社交團體），效果就是零。因此，醫院必須介入「社區營造」。

  • 執行數據： 我們確保了 1,354 人 的轉診路徑，並建立了社區支持團體（如失智症照顧支持小組），真正落實「全人、全宅、全網」的目標。

第三部分：TIGER 模式——台灣本土的實證研究

為了證實這套模式有效，我們參考了芬蘭著名的 FINGER 研究（生活型態介入預防失智），在台灣建立了 TIGER 模式，並發表於 Lancet Healthy Longevity 期刊。

1. TIGER 模式內涵

TIGER 代表五個核心元素的介入：

  • T (Training)： 身體訓練、運動。
  • I (Intelligence)： 認知訓練、動腦。
  • G (Gathering)： 社交連結、人際互動。
  • E (Enjoyment)： 保持快樂心情。
  • R (Rejuvenation)： 回春、身心年輕化。

我們整合了基層診所（Primary Care）與生活型態介入。醫師負責管理多重慢性病、多重用藥並評估功能，然後將需要運動或認知訓練的長者轉介到社區據點。這些據點包括關渡學苑、益智學堂、甚至是里長辦公室（如豐年里、稻香里等），將服務深入到民眾生活圈。

2. 臨床試驗成果與價值醫療 (Value-Based Healthcare)

經過一年的介入，成果顯著：

  1. 失智症風險降低 50%。
  2. 生活品質 (Quality of Life) 提升：即使長者老了一歲，生活滿意度反而上升約 20%。
  3. 身體功能改善：包括衰弱 (Frailty)、中度疼痛、憂鬱、行動遲緩等指標，其 Odds Ratio (勝算比) 皆顯著改善（小於 1，如衰弱為 0.99，行動遲緩改善最顯著）。

這證明了整合服務模式不僅有效，CP 值極高，是一種能買到「長期健康結果」的投資，完全符合價值醫療 (Value-Based Healthcare) 的指標。

3. 混合研究設計 (Hybrid Designs)

臨床試驗成功不代表政策能成功。我們進行的是「執行研究 (Implementation Research)」。

  • 研究設計： 採用混合設計 (Hybrid Designs)，特別是 Hybrid Type I & II，同時測試臨床介入的效果 (Clinical Intervention) 與實施策略 (Implementation Strategy) 的可行性。這如同政府推動戒菸政策，需要知道在真實世界中哪種策略有效。

第四部分：未來醫療體系——服務去中心化，數據中心化

1. 塔台式醫院 (Control Tower Hospital)

未來的醫院角色將轉變為類似機場的「塔台」。

  • Service Decentralized (服務去中心化)： 醫療服務走出醫院，進入社區、居家（如居家醫療、遠距監測）。就像飛機（服務）飛出去，不在塔台內。
  • Data Centralized (數據中心化)： 所有在社區量測的血壓、活動量、睡眠等數據，必須即時回傳到醫院的 AI 系統（塔台），以便進行決策。

2. AI 賦能與健康長壽指標 (HLI)

透過 AI 分析回傳的數據，我們可以做到即時預警，而非等病人三個月後回診才發現問題。

  • 健康長壽指標 (Healthy Longevity Index, HLI)： 我們建立了一個綜合評分系統，將複雜的健檢數據轉換為民眾易懂的分數。

    • 案例分析： 一位 85+ 歲女性，雖有抑鬱、糖尿病等慢性病，但無吸菸且生活功能良好，其 HLI 可達 80.8（高分）。相反，一位 75-84 歲男性若有認知與行動困難，分數僅 50.6。
    • 長期效益： 經過 TIGER 模式介入三年後（Wave 2），全社區居民（包含未直接參加者）的 HLI 分數普遍提升（例如從 50.21 提升至 53.73），顯示社區整體健康機率增加 3%。

  • 即時風險預警 (Real-time Alert)： 未來的 APP 不只是紀錄，更是救命工具。如投影片所示，當 AI 偵測到數據異常，手機鎖定畫面會跳出紅色警示：「您心肌梗塞風險達最高 (High Risk of Myocardial Infarction)」，並提供「Slide here to call your Doctor」的按鈕。這才是真正的 Proactive Care。

  • 生成式 AI (GenAI) 與居家照護： 利用大語言模型 (LLM) 作為與民眾溝通的介面。

    • 架構： AI 模型串接了生醫數據、心理狀態、運動飲食紀錄，形成閉環。
    • 應用： 病人回家後的問題（如藥怎麼吃、傷口怎麼顧），可以先問 AI，AI 根據個人的病歷與量測數據給予「個人化」的衛教，而非罐頭訊息。後台則有 Asus Healthcare 等平台支援，自動過濾出異常長者供醫護人員優先關注。

3. 經濟效益：省下的不只是健康，還有金錢

我們在高雄（介入組）與台中（對照組）進行對照研究，針對獨居老人導入這套整合照護模式。

  • 對照組 (台中)： 一年後醫療費用增加 10.3%（增加了 2,490 元）。
  • 介入組 (高雄)： 醫療費用僅增加 2.6%（增加了 735 元），遠低於該年度健保成長率 4.7%。
  • 結論： 費用主要省在急診與住院的減少。這證明了在社區做好預防與即時監測，能有效降低昂貴的急性醫療支出，具有高度的財務可持續性。

第五部分：結語

無論醫院規模大小，都面對著一群社區民眾。未來的醫療不應只在圍牆內等待病人，而應主動出擊。透過 AI 賦能與社區整合，我們可以達成「健康長壽」的目標，讓長者在社區看得到、用得到服務，並透過數據回饋讓醫院精準決策。這是醫療專業人員應有的社會責任與倡議方向。

附錄：Slides 詳細內容整理

為了確保資訊完整，以下列出投影片中的關鍵數據與細節，供查閱對照：

  1. S1 (ICOPE 流程細節)

    • 強調四大步驟的循環：篩檢 -> 評估 -> 個人化計畫 -> 監測與再評估。
    • 特別提到需評估 "Social support" (社會支持) 和 "Urinary incontinence" (尿失禁) 等生活細節。

  2. S6 (醫療資源背景)

    • 演講者所在醫院的規模示意：總床數 321 床，其中急性一般病床 45 床，慢性病床 67 床，護理之家 92 床。這顯示了該醫療機構本身就有濃厚的長照與慢性病照護色彩。

  3. S8 (TIGER 效益詳表)

    • Odds Ratio (95% CI) 數據：
      • Frailty (衰弱): 0.99
      • Depression (憂鬱): 0.91
      • Slowness (行動遲緩): 0.60 (顯著改善)
    • 這張表是科學實證的核心，證明介入手段對多項老化指標均有正面影響。

  4. S12 (篩檢漏斗圖)

    • 清楚展示了從廣泛篩檢到精準介入的人數遞減過程：
      • Step 1 (Screening): n=2614
      • Step 2 (Assessment): n=2006
      • Step 3 (Care Plan): n=1106
      • Step 4 (Referral): n=1354 (轉診人數多於計畫人數，顯示發現了許多潛在醫療需求)

  5. S13-S15 (HLI 指數細節)

    • HLI 的構成因子：年齡、性別、教育、吸菸、飲酒、爬樓梯能力、認知、視力、共病數（高血壓、糖尿病、心臟病等）。
    • 數據顯示 HLI 隨時間（Wave 1 -> Wave 2 -> Wave 3）通常會下降，但介入組能減緩下降幅度或甚至微幅提升。

  6. S18-S20 (AI IoT 平台)

    • 展示了具體的設備生態系：血壓計、體溫計、智慧手錶（捕捉活動紀錄）。
    • 強調功能：除了生命徵象 (Vital signs)，還包括活動量 (Activity logs)，且後台具備 "Rapid filtering" (快速過濾) 功能，能從海量數據中抓出高風險長者。

  7. S27 (財務預測表)

    • 詳細列出 2024-2025 年的費用預測：
      • 介入區：28,053 元 -> 28,788 元 (+2.6%)
      • 對照區：24,244 元 -> 26,734 元 (+10.3%)
    • 這提供了強有力的經濟誘因，支持政府將此模式推廣至全國。