醫療科技的進步：是挑戰產業，還是擴大健康差距？
各位午安，感謝大家的參與。我是 Corey Hood，將共同主持這場會議。我們很快就會進入正題，因為我們有一組非常棒的講者陣容。首先為大家演講的，是與我共同主持本場會議的 Partha Kar 教授。他是英國國民保健署（NHS）糖尿病領域的國家級專科顧問，自 2008 年起便在該系統內擔任顧問，對於這些議題有著豐富的經驗與深刻的思考。我非常期待能從 Kar 教授的分享中，了解我們該如何推動照護民主化（democratize care），並在龐大的醫療系統中實現醫療公平（equity）。希望他能分享一些他領導這些計畫的實務經驗。
非常感謝。我的演講主題雖然聚焦於醫療保健中日益擴大的差距以及對產業的挑戰，但實際上，我們不僅要挑戰產業，更要挑戰我們自己。
一開始先進行利益衝突聲明。接下來，我想和大家分享一個故事、一段旅程，以及在此過程中我們學到關於社經剝奪（deprivation）、不平等，還有我們做過什麼、什麼無效、什麼有效的經驗。
時間回到 2018 年的 NHS。當時我們沒有關於連續血糖監測（CGM）的 NICE（英國國家健康與照顧卓越研究院）指引，而關於胰島素幫浦的 NICE 指引，其採用率也參差不齊。當時只有 2% 的糖尿病人口有機會使用連續血糖監測儀。而且我們也沒有任何第一型糖尿病（Type 1 diabetes）的稽核數據。這就是 2018 到 2020 年間的真實情況。
我以前展示過這些數據，根據 2019 至 2021 年的數據，即時連續血糖監測（rtCGM）的使用率在不同種族與社經剝奪程度之間存在顯著落差。在 2018、2019 年左右，一名黑人兒童獲得血糖感測器的機率，只有白人兒童的一半。
我提出這一點，重點不在於數據本身，而在於當我分享這些數據時發生的故事。我還記得，在一個滿是兒科醫師的場合中，有一位兒科醫師舉手說：「我對這個數據感到有點被冒犯。」我問她為什麼覺得被冒犯，因為她既不是兒童，也不是黑人。她的回答是：「這感覺就像你在說我們的醫療人員是種族主義者。」
我對此的回應始終是：「不，看到數據並不會讓你變成種族主義者。但是，看著數據卻無所作為，甚至認為讓現狀維持下去是可以接受的，這才是真正的種族主義。」這並不代表你必須一開始就做對。當一個數據看起來不對勁時，身為臨床醫師的你應該感到被挑戰，你應該去檢視數據，如果數據是準確的，就採取行動去糾正它。你可能會在嘗試糾正的過程中失敗，而失敗是很重要的。如果沒有失敗過，你怎麼能告訴別人不要犯同樣的錯？
但我要告訴大家的是，看到那樣的數據，你不應該只是聳聳肩。如果你聳聳肩說，黑人兒童只有一半的機會獲得設備是可以接受的，那麼你的過錯就和任何人一樣大。這不是結構性的問題，這是你個人的問題。
弭平差距：NHS 的現況與混合閉環系統（Hybrid Closed Loops）的推廣
但看看我們現在的狀況。八年過去了，那個差距已經不復存在。預估到 2024/25 年底，0 到 18 歲族群的 CGM 使用率在不同社經剝奪程度（IMD1 至 IMD5）均達到 92% 至 94%，而在不同種族間的使用率也穩定在 90% 至 93% 之間。無論是社經剝奪程度還是種族膚色，數據都已經完全拉平。那位當初覺得被冒犯的兒科醫師後來也特地跑來跟我說：「看看我們是怎麼做到的。」這太棒了，這正是我希望臨床醫師做的事：被數據激發出足夠的挑戰心，然後去糾正它。
這花了很多時間、很多精力，也經歷了許多對偏見的挑戰，才達到今天的成果。但我們現在做到了，你的膚色不再是你能否獲得醫療科技的指標。
接下來我要展示我們國家在**混合閉環系統（Hybrid Closed Loops, HCL）**的現況。從兒科推廣混合閉環系統的第一天起，我們就秉持一個基本原則：我不想看到任何差距。根據 2025/26 年第三季的預估數據，0 到 18 歲族群的混合閉環系統使用率在不同社經階層間已拉近至 71% 到 75%，在不同種族間也達到 68% 到 74%。雖然 19 歲以上成人的整體使用率仍較低（約 8% 至 14%），但各族群間的差距已大幅縮小。目前的差距已經非常小，我們預計到今年三月底，差距將會完全消失。我們不斷地堅持這個理念，我們的論述非常直接：你的膚色絕對不能成為你無法獲得醫療科技的變數。
全球視角下的醫療特權與結構性偏見
我經常在許多會議上說這句話：**糖尿病或任何領域中最好的科學或研究，是那些真正能進入人們生活中的科學。**否則，它只不過是歷史的註腳，或是你履歷上的一個項目。我還要加上一點：它必須進入每個人的生活中，無論他們的支付能力或膚色為何。這非常重要。
我們很少討論日益擴大的差距，但我們應該討論。我認為「特權（privilege）」是一個非常重要的議題。特權不僅僅基於你的膚色，也基於你的地理位置、你所在的國家，以及當地的購買力。如果 X 國對胰島素、試紙或科技的需求與 Y 國相同，那麼兩地的取得機會也應該相同。即使在有公共資金支持的國家內部，資源獲取也是不平等的。結構性問題並非唯一的原因，我們絕不能忘記人為因素。
人們常常對談論種族主義感到謹慎，因為怕被認為是「覺醒文化（woke）」，或者覺得這是個複雜、困難的話題。讓我告訴你們 NHS 內部的一個情況。除了糖尿病領域的工作，我還擔任另一個職務，負責解決醫療勞動力中的種族主義和性別歧視問題。
根據 NHS 醫療勞動力種族平等標準（WRES）從 2015 到 2021 年的數據分析，少數族裔（BME）員工在職涯發展與升遷上遭遇顯著不平等。以 2020 年為例，高達 87.3% 的白人員工認為機構提供平等的升遷機會，但少數族裔員工僅有 69.2% 如此認為；此外，少數族裔員工在職場遭受經理或同事歧視的比例（16.7%）更是白人員工（6.2%）的兩倍以上。
這份涵蓋全英國醫師的國家級數據告訴我們：你是否會被移送監管機構、能否晉升到高階領導職位或主治醫師（consultant）、作為受訓醫師的發展、是否感到被霸凌或騷擾，以及是否感到被重視，完全直接取決於你的膚色。這是我們必須去挑戰的現實。
兩個印度的啟示：對產業界的挑戰
我們來看看印度。全球盛行率地圖顯示，美國與印度同屬第一型糖尿病（T1D）人口高度集中的地區。印度目前擁有世界第二大的第一型糖尿病人口。但如果你看看關於健康損失年數（healthy life years lost）的指標，情況卻非常嚴峻。
數據顯示，在印度的基本情境下，T1D 患者平均損失高達 42.1 年的健康壽命；若能及時診斷，損失可降至 39.0 年；若能提供胰島素與試紙，損失壽命可大幅降至 22.0 年；若進一步提供胰島素與 CGM，損失將降至 18.6 年；而採用胰島素幫浦與 CGM，則能將健康壽命損失降至 14.8 年，並恢復近 4 年的健康壽命。
我常常提出一個問題：差異化不僅僅存在於國家內部因偏見而產生的膚色差異，它更根本地取決於你生活在哪個國家。在座有多少人參加過會議，聽著台上談論抗體篩檢，心裡卻想著：「我連最基本的物資都拿不到，你們現在卻在談論抗體篩檢？」
因此，我想問產業界和所有人：**你們是在全球各地大規模推廣這些技術，還是你們的目標只鎖定在那些負擔得起的國家？**如果是後者，那我們只是在創造一個越來越不平等的世界。曾在其他國家工作過的人都知道，如果你去印度，現在那裡有「兩個印度」。一個印度能負擔得起所有東西，擁有比世界上大多數地方更好的醫療照護；而另一個印度，糖尿病患者連獲取試紙都在掙扎。
作為一個社群，我們的立場是什麼？我們只是在考慮我們自己的群體，還是我們真的在談論如何解決現有的差距？這就是我對產業界的挑戰：相同的財務模式並不是萬靈丹，那行不通，你們必須有不同的思維。你們的下一個創新，是否會讓差距變得更大？
在座有多少人去聽了關於「全閉環系統（fully closed loop）」的議程？你們覺得很驚人對吧？但如果我把這個技術帶到非洲的許多地方，他們會看著你說：「抱歉，什麼？全閉環什麼？我這裡連試紙都拿不到。」
挑戰自我：打破無意識偏見的迷思
所以，你在自己的實務中做了什麼來解決不平等？我不是要求你去解決每個國家的問題，但我絕對希望你檢視自己的實踐，看看差距在哪裡。
在座有誰認為醫療人員沒有偏見？沒有人？我們都有偏見。這就是人類的運作方式。問題是，我們該怎麼做？你是否會用數據來挑戰自己，確認自己在某個群體中做得更好？這就是這些演講的意義。我的挑戰不僅是對臨床醫師，更是對產業界、對所有人：把眼光放遠一點。否則，我們所做的只是不斷製作出顯示差距正在擴大的地圖和數據。
人類是非常有趣的生物。讓我稍微轉換一下話題，談談性別歧視。大家都聽過性別歧視吧？女人通常會說「對」，而男人會說「噢，現在沒有性別歧視了，我們做得很棒。」對吧？所有女人在生命中都會遇到四種男人： 第一種，是你真正的盟友，相信平等，會支持你、為你發聲。 第二種，會說：「嗯，是的。但現在還存在嗎？你有數據嗎？」當你給他上週的數據，他會說：「那這週的呢？」 第三種，會想：「性別歧視是個問題嗎？我應該參與嗎？這是不是一件政治正確的事？會不會幫我加分？能不能讓我在 Instagram 上發文？如果是，我就加入你們。」 第四種，認為女人就應該在廚房煮飯，不該來上班，因為女人比較次等，不如男人。
你們都和這些人共事過。如果你認為他們不存在，那我們就是在欺騙自己。**種族主義完全一樣，偏見也完全一樣。**這需要數據，需要不斷的挑戰，也需要挑戰我們自己的偏見。不要只是說：「我們又要帶著新科技、新免疫療法或新的胰島細胞移植展開奇妙旅程了」，而此時此刻，在同一個地球上，有孩子正因為沒有胰島素而死去。
最後，我要用一個可能會讓我惹上麻煩的詞來結尾，反正我這輩子惹的麻煩夠多了，我已經放棄掙扎了。誰聽過**「無意識偏見（unconscious bias）」**這個詞？誰相信它真的存在？
我的觀點是：**我認為「無意識偏見」是一個企業界建構出來的詞彙，用來幫助人們掩飾他們潛在的種族主義，讓他們心裡好過一點。**如果你到了 2026 年還不了解文化差異，你需要去多讀點書。那不是無意識偏見，你需要去照照腦部斷層掃描，看看你到底有多「無意識」。
我們必須停止把錯推給「無意識偏見」。如果你對女性有偏見，那只是你家教不好，那不是無意識偏見，那是你骨子裡的東西。這就像是說：「我喝了太多酒，所以我變成了一個性別歧視者。」不，只是酒精去除了你的抑制力，暴露出你真實的本性。
醫療保健也不應有所不同。世界上最好的科學，是能平等地進入每個人生活中的科學，這樣我們才是一個真正的社群。這是我希望能留給大家的重要訊息。非常感謝聆聽。
Q&A 問答時間
Corey Hood (主持人)： 如果有任何問題，請在應用程式上提問或走到麥克風前。在大家思考問題時，我有個問題。從你的最後一張投影片，我開始思考 AI 革命的潛力。你對此有什麼期望？
Partha Kar 教授： 這是一個非常好的問題。AI 有著巨大的潛力，但我們必須記住，AI 的產出取決於我們輸入了什麼。如果我們能將沒有偏見的正確資訊輸入 AI，我們就能讓 AI 變得非常好；但如果我們重蹈過去多年來在數據和研究上犯的錯誤，我們就會得到錯誤的結果。有人說「AI 會取代所有人」，我認為那是《魔鬼終結者》看太多了。但不使用 AI 的醫師將會面臨生存危機。AI 不會搶走所有人的工作，它是一個很棒的工具，我們有責任去開發它，並確保它沒有偏見。
Graeme Ogle (澳洲雪梨 Life for a Child)： Partha，你是如何弭平不同種族間的不平等差距的？你對員工說了什麼？這件事向下滲透的程度有多深？
Partha Kar 教授： 當我說我參加過很多紀律會議時，我不是在開玩笑。很多時候這關乎於「挑戰人們」。我們現在處於一個奇怪的環境，當你挑戰人們為什麼會出現某種情況時，他們自己反而會覺得被冒犯，並認為「你必須對我友善，當你說我們沒有縮小差距時，你很不友善」。我總是告訴大家，這是一些我們本來就該做的基本事情，要求當責（accountability）並不等於人身攻擊。
我的哲學是：每三個月，我會與各個系統開會，檢視數據，並要求他們給我一個存在差異的根本原因。我舉一個偏見發生的例子，這是我聽過最荒謬的故事，我以後寫書一定會把它寫進去。我曾經問一群臨床醫師，為什麼黑人兒童沒有獲得 FreeStyle Libre（連續血糖監測儀）？他們的回答至今仍深深印在我的腦海裡，他們說：「因為 Libre 是白色的。」
我說：「這很有趣，我從來沒聽過這種說法。因為我很確定我看過黑人穿白色的衣服。」然後我走出去，問了社區裡的黑人媽媽們，她們說：「黑色、綠色、紅色、黃色都好，我們只想要有這個設備。」我不知道這個偏見是從哪裡來的，但它確實存在，而且是存在於政策層面，而不僅僅是閒聊。
所以我對待數據非常講究方法。我說：「數據就在這裡，差距就在這裡。去接觸人群，做你該做的事。」此外，我們在妊娠糖尿病方面也做了努力。過去黑人女性的妊娠結果總是較差，但當 CGM 的取得機會達到平等後，所有族群的妊娠結果都變得一樣好了。
最後，人們需要具備文化意識（cultural awareness）。比如，為什麼黑人社區不願意接種疫苗？如果你不明白，那是因為你沒有讀過歷史，不知道過去對這個社區做過什麼，這就是懷疑論存在的原因。所以我的工作就是促進、挑戰、質疑。這需要時間、精力和一個好的團隊，偶爾還需要很多威士忌。
Fabiana (巴西籍，現居英國，線上提問)： 談到巴西，我們還有很長的路要走，需要建立更多的公共政策。請問該從哪裡開始？如何提高標準？
Partha Kar 教授： 我上週剛好在巴西聖保羅，和你們的政策制定者討論完全一樣的問題。我由衷相信，作為臨床醫師，如果我們在一個國家取得了某種成果，我們有責任將這些知識傳遞出去，幫助政策制定者了解投資的價值所在。因為我絕對相信，如果沒有醫療科技的介入，我們不可能把糖尿病人口的糖化血色素（A1C）降到 7 以下。
所以，我們 NHS 現在的角色就是撰寫論文、發表研究，並進行成本效益分析，讓各國政府的政策制定者可以據此使用。這就是我們的做法，我也非常樂意與任何想討論的人交流。
Jacob Pavana (維吉尼亞大學)： 關於開發 AI 工具和全閉環系統等技術，工程師經常使用數據來訓練這些技術（例如 CGM 數據），這意味著這些技術可能是為白人、高收入群體量身打造的。你有什麼建議可以改變這種趨勢，讓科技也能照顧到邊緣化族群？
Partha Kar 教授： 這是一個非常棒的問題。你問的問題，正是研究界多年來一直在問的：**為什麼過去的研究只針對白人男性？這要如何轉化應用到其他人群？**來自印度的同事會告訴你，他們必須額外做研究，來證明藥物在不同人群中的差異。
這正是對產業界的挑戰。當你們在開發工具、開發 AI 時，請確保它對所有人群都適用，因為這個世界並不侷限於單一特定群體，這正是造成分裂的原因。當你們在進行研究和學術工作時，請確保你們將全球各地的人群都納入其中，這非常重要。