AI醫療大未來：台灣第一本智慧醫療關鍵報告

「徹底運用醫療AI，就不會有付不起的醫療大未來」
「投資醫療AI ，就是投資自己的未來」
「沒有AI，就沒有精準醫療」

這幾年AI 捲土重來，在許多產業掀起革命，也有不少科技業者嘗試跨入醫療領域。就醫療而言，應用AI 早已經不是「想不想」的問題，而是非做不可，也不能再等了。

台灣已經邁入高齡社會，隨著人口老化，我們需要投入的醫療資源越來越多；加上少子化影響，人力資源短缺，醫護人員得照顧的病人越來越多，每個人能被分配到的資源變得稀少又難得，這些問題該怎麼解決？

如果能夠徹底運用AI 的偵測、預測與預防的技術，就有機會解決長照及其他醫療的重大問題。AI 已成為醫療必要的基礎建設，投資AI 就是投資自己和子子孫孫健康的未來。

這本書將帶你認識醫療AI和你有什麼關係？了解最新的醫療ＡＩ科技，是你未來健康的保障。


本書特色
1. 全台第一本討論醫療AI趨勢專書，不同一般產業分析觀點，而是與讀者分享來自醫療第一線的觀察，實屬難得。
2. 作者李友專同時擁有醫學與資訊雙項專業，20~30年前即投入醫療ＡＩ臨床研究與應用，是臺灣醫療ＡＩ先驅，經常奔走國際推廣臺灣經驗，也促成多項國際合作並屢獲殊榮肯定，其影響力不言可喻。
3. 每個章節可獨立成篇閱讀，對於不熟悉醫療AI領域的一般讀者，不會有閱讀壓力。文末的「醫療AI討論區」專欄也提出更多個人觀點與觀察。

李友專（Yu-Chuan Jack Li）
臺北醫學大學醫學科技學院特聘教授暨院長、萬芳醫院皮膚科暨雷射美容中心主任。臺灣病歷電子化重要推手之一，也是臺灣醫學資訊及人工智慧於臨床應用之先驅。自1993年起投入人工智慧於醫療應用研發至今。曾獲2017國際健康資訊學院（IAHSI）創始院士、2015中華民國資訊產業最高桂冠-傑出資訊人才獎、2010美國醫學資訊學院（ACMI）院士、2010澳洲醫學資訊學院（ACHI）院士、2001中華民國十大傑出青年等殊榮。
學歷：1994年-美國猶他大學醫學資訊博士、1991年-臺北醫學大學醫學士

採訪整理 謝其濬
政治大學新聞系畢業，英國史特靈大學出版碩士、英國曼徹斯特都會大學視覺傳播碩士，現從事文字工作。

採訪整理 林怡秀
中正大學企業管理碩士，13年以上行銷業務與專案管理實務經驗，現為臺北醫學大學醫學科技學院專案經理兼院長特助。

吳成文（中央研究院院士、國家衛生研究院創院院長）
陳時中（衛生福利部部長）
李伯璋（衛生福利部中央健康保險署署長）
張善政（國家生技醫療產業策進會會長、前行政院長）
李祖德（漢鼎股份有限公司董事、臺北醫學大學董事）
邱文達（美國AHMC醫療集團共同執行長、衛生福利部前部長）
施振榮（宏碁集團創辦人、宏碁基金會董事長）
吳良襄 (永齡健康基金會執行副董 )
林丕容（大學眼科集團總院長、博客來數位科技公司董事長）
林建煌（臺北醫學大學校長）
閻 雲 （臺北醫學大學臺北癌症中心總召集人）
郭旭崧（國立陽明大學校長）
何弘能（台大醫院院長）
杜奕瑾（台灣人工智慧實驗室創辦人）
劉永弘 (康聯生醫科技股份有限公司總經理 )
黃威達 (睿傳數據股份有限公司總經理 )
陳俊嘉 (永悅健康股份有限公司總經理 )
李世文 ( 六和化工股份有限公司董事長 )

【宏碁基金會、永齡健康基金會、六和化工股份有限公司
推動公益贈書計劃‧守護醫療未來】

【推薦序一】病人第一，才是我們期待的醫療人工智慧

衛生福利部部長　陳時中

當年圍棋程式AlphaGo擊敗世界圍棋冠軍，其中的人工智慧（Artificial Intelligence）令舉世驚豔。

近年，漢森機器人技術公司（Hanson Robotics）開發的機器人蘇菲亞（Sophia），不但具有人工智慧、視覺數據處理和面部識別功能；甚至還能模仿人類手勢和面部表情，就設定好的主題，與人類做簡單的對話交流，AI技術更加細膩。蘇菲亞也在2017年10月獲得沙烏地阿拉伯公民資格，成為全球首位擁有國籍的機器人。蘇菲亞的誕生，再掀一波人工智慧浪潮，AI也被稱為第四次工業革命的核心。

AI已走進我們的生活與工作中。舉凡金融服務、零售、自動駕駛、機器人、智慧生活，它都讓人類的日常生活變得便利無比。我國行政院於2018年提出「台灣AI行動計畫」（2018-2021），以我國居全球龍頭的半導體代工服務為利基，在許多產業注入AI的思維。而與人們健康息息相關的生技醫療業，更不可免地站在這一波新科技的浪頭上。

來到衛生福利部，我就思考著：如何讓人工智慧，協助加速長照改革。我國社會少子化加上人口高齡化的加乘影響，借助AI已為趨勢。在推動長照政策的各種挑戰中，照顧服務員與家庭照顧者的人力不足，仍是一大考驗。而人工智慧具有極大潛力，能夠紓解這個問題；若再加以應用大數據，未來勢必能在長照市場創造更多價值。

用簡單的例子來說，以往照顧服務員到個案家裡服務時，全憑一個人的體力與精神完成工作，實為辛勞。AI時代來臨，照服員可以隨身攜帶像是掃地機器人這類的智慧小家電，到個案家服務。假設以前替個案洗澡及整理家庭環境，這兩種服務加起來需時一小時；有掃地機器人幫忙後，照服員替個案洗澡時，掃地機器人也同時在打掃，可能半小時就完成兩種服務，這就是AI帶來的好處。

再以社會安全網為例，高風險家庭發生的社會事件時有所聞，政府相關輔導人力有限，也常因此不能阻絕悲劇於先。此外，過去處理方式大多是個案導向，當面對低收入或吸毒等個案問題，常只能處理個別問題。今後要改變思維，衛福部正在建置社會安全網專屬的資訊系統，希望可以充分掌握個案的各種已知風險，改以家庭為單位來管理，透過資訊系統即時掌握高風險家庭困境，給予適切的協助，可說是科技化AI與人性化社工相輔相成的社會安全網。

目前國內外已有眾多業者投入長照領域，各種人工智慧科技與產品也相繼誕生，未來的長照服務，必須更多元創新。但最重要的是，如同作者李友專教授在本書中提點大家，關於醫療，不見得處處需要華麗炫技的人工智慧，而是真正把病人擺第一、能夠解決核心需求的人性智慧，才是生技醫療界所期盼的人工智慧。

【推薦序二】眼科醫師看到的AI醫療大未來

 大學眼科集團總院長、博客來數位科技公司董事長 林丕容
 
AI醫療大未來需要跨領域人才參與及領導，正如好友李友專教授既是專業醫師又是醫學資訊世界級的院士，也兼具醫院管理實務經驗。在本書中彙集整理出整個醫療及照護範圍內，AI科技過去丶現況及未來如何發揮角色，幫助病人及協助醫療人員，並由各種角度讓讀者了解全貌。書中引用了不少例子，讓身為眼科醫師及網路公司經營者，同為跨領域學習的我，對於AI科技如何改善醫療及如何為醫師發揮加乘效應特別心有戚戚焉。
 
AI較為人知的先例，是1997年IBM 的「深藍」電腦打敗世界西洋棋王Garry Kasparov，之後世人才又開始重新關注人工智慧。其實 IBM更早之前就在眼科領域掀起波瀾。1983年，眼科醫師Stephen Trokel與IBM的研究員Srinivasan提出將原本用於切割半導體晶片的準分子雷射運用在眼角膜上治療近視的概念。到了1990年代初，美國FDA開始準分子雷射角膜表面切削術（Photorefractive keratectomy，PRK）的臨床實驗，開啟了現代近視雷射手術的潮流。這也是我三十年來一直深度投入的近視及老花矯正醫療科技領域。近年來我們引入眼科飛秒雷射機器人系統協助醫師更精密的運用在微創白內障及老花晶體置換手術，大幅度的提高傷口的微創技術及術後恢復的速度與效果。這方面的眼科AI機器人也正方興未艾！
 
眼科由於特殊的可觀察性及偵測性，加上相關醫學科技發展，是近年來AI醫療應用的重點領域，有好幾項都已發展為實務上的臨床應用。如IBM持續專研眼科醫學影像，包括與IDx（其開發的IDx-DR糖尿病視網膜病變診斷系統，是第一個通過FDA的AI 系統，可合併在設備上應用。）策略聯盟、其與英國Moorfields 眼科醫院共同開發辨識視覺疾病的機器學習系統等，應用領域則包括糖尿病視網膜病變、黃斑部病變，以及青光眼。對於眼科乃至相關全身慢性病糖尿病、高血壓甚至於阿兹海默症的預防丶診斷及診療建議，提供未來莫大的想像與應用空間！
 
同時間，另一個大廠Google也開發視網膜AI篩檢系統並實現幫助印度眼科醫師，透過遠程醫療互聯網，解決偏遠地區醫療資源不足的嚴重問題。

 除了上述運用，眼科醫學計算回歸公式領域，Hill-RBF Calculator也運用以AI神經網路系統(CNN)計算人工水晶體度數的程式，準確度也有很不錯表現。
 
眼睛是個超級精密的器官，眼底的整體是一個細微而複雜的血管及神經系統，醫師需要仰賴高度專業的判斷，分析各種影像檢查的細微變化。AI人工智慧科技大幅縮短報告產出時間並且能夠進行自動篩選，不僅減輕驗光師及眼科醫生的負擔，更重要的是提高醫療安全性、效率及效果，因此能擅長應用AI的眼科醫師將是未來趨勢領導者。
 
醫療是複雜多變的，人工智慧科技的發展，能夠幫助醫生及醫療機構掌握多變又巨量的資訊，並且提供即時有精準的運算能力，加上精密的機器人系統，能更有效解決病人的問題。誠如李教授所言，未來的贏家，將會是最懂得善用人工智慧的人才及組織，醫療領域更是如此，我深表認同。相信本書能帶給讀者深邃的洞見，展望AI醫療大未來。

【各界權威推薦】

本書敘述人工智慧不僅將撞擊產業，更可在人類的健康醫療扮演關鍵性的變革，如何挑戰未來AI於精準醫療必然之關鍵科技，是當下所有的醫事人員，無論是臨床醫學研究者或是照護團隊，必須迎頭趕上的能力。李友專教授的《AI醫療大未來》正道出這一波為人類而生的AI智慧醫療新紀元。──（中央研究院院士、國家衛生研究院創院院長吳成文）

人工智慧的浪潮呼嘯而來，您準備好了嗎？本書集結醫療 AI 的 七大應用，為大健康產業開拓新藍海，在這個 AI 翻轉一切的時代，讓我們跟著李友專院長的腳步，投資自己，擁抱 AI 醫療新未來！──（衛生福利部中央健康保險署署長李伯璋）

AI發展已超過五十年，如今已在各行業全面展開應用，台灣資通訊產業居全球重要地位，加上台灣擁有一流的醫療人才，且醫療水準及健保制度受國際稱讚，李院長在新書中現身說法，在此推薦給對AI應用在ICT+醫療有興趣的朋友參考！──（宏碁集團創辦人、宏碁基金會董事長施振榮）

人工智慧形成單一學門已超過一甲子，其間的發展數經起伏。近來藉助飛越進步的科技，蠢動升溫之際似漸蘊釀成一股銳不可擋的趨勢。健康醫療領域隨著各種組學蓬勃發展，每日都有巨量的資料等待被揭露與探索。永齡健康基金會長期關注並支持人工智慧於此的應用，期待人類的健康福祉因此更加向前推進。李院長傑出的研究與其專業，正是台灣生技醫藥產業創新所最需要的。──(永齡健康基金會執行副董吳良襄 )

AI人工智慧時代來臨，李友專教授以醫療大數據為經，臨床醫療為緯，勾勒人工智慧醫療，開創醫生、病人、醫院三贏的未來趨勢與美好願景。──（臺北醫學大學校長林建煌）

人口老化的未來，醫療資源相對稀少的條件下，如何繼續提供好的醫療品質，是全球科學家的大哉問。李院長為我們展現為人類而生的醫療AI，如何協助病人、醫生及醫院共創多赢，亦不忘醫者同理關懷的人性面，令人激賞。──（臺北醫學大學臺北癌症中心總召集人閻雲）

AI的領域無遠弗屆，我的好友李友專院長，深入淺出，畢其一生功力完成台灣第一本呈現AI如何翻轉醫療全貌的書，不僅是醫學生必讀，也值得每一位關心醫療的人細細品味，鄭重推薦！──（國立陽明大學校長郭旭崧）

李博士兼具臨床醫療和生物資訊雙重的domain knowledge，近年深耕於AI在醫療相關領域的應用。本書的完成，既代表了他個人多年跨領域整合的努力，也標示出台灣醫療奇蹟的下一個可能性。相信將為醫療健康及相關管理、教育、研究領域帶來巨大衝擊和長遠的影響力。──(康聯生醫科技股份有限公司總經理劉永弘 )

從資訊工程進入數據科技時代，再應用到健康科技界，實踐一直是此產業檢驗真理的唯一標準；相較於網際網路發展崛起的過程，人工智慧這條路更顯得漫長，也更值得期待。李友專院長集醫學與資訊之長，深知醫療產業的迫切需要，相信教授此書能帶給千萬有志之士一個指引，如書中所言：「讓那股躍躍欲試、迫不及待用電腦做出點什麼的熱忱火苗，在更多人心中延燒」，功德無量！── (睿傳數據股份有限公司總經理黃威達)

永悅肩負全球眾多大型企業員工健康照護的重責大任，開發出H2U健康ATM與H2U 企業員工健康解決方案，如何有效運用數據與互聯網平台，提供高效職護服務，促進員工健康，是我們的重要目標。李院長身兼醫學實務與數據分析應用的領導巨擘，以簡鍊文字與清晰圖表點出未來AI醫療大趨勢，正是致力醫療創新者的一盞明燈。──(永悅健康股份有限公司總經理陳俊嘉)

醫療、ＡＩ與我
李友專

Work hard, play fair, and have fun.
認真工作、公平競爭、樂在其中

打從國中畢業，我的生活除了念書，剩下的時間就是玩電腦。記得高中時期金庸武俠小說正紅，我和幾個同學曾經企圖想用BASIC語言把《天龍八部》寫成電腦遊戲，我們很認真的把劇本、角色、人物和動畫編輯器都寫好了，無奈後來碰上大學聯考只好被迫放棄，但那股躍躍欲試、迫不及待用電腦做出點什麼的熱忱火苗，始終在我心中燃燒，而當時，是80年代初期，個人電腦剛起步的年代。

後來在我的醫療人工智慧學習路上，出現一位影響我最深的人，就是當時我在美國猶他大學攻讀博士的指導教授：荷馬．R．華納醫師（Dr. Homer R. Warner，1922～2012年）。華納教授是開啟早期醫療人工智慧發展的其中一位先行者，也是一位很特別的教育家，言談中總是帶著哲理。

還記得我在博士學位口試當時，華納教授不像一般教授會護著自己指導的學生，反而對我異常的嚴格，甚至幾近刁難，連其他的口試委員都忍不住替我說話，當下我也覺得有點莫名其妙，不曉得自己哪裡做錯。

口試後，華納教授私下找我，分享他在明尼蘇達大學博士班時期的一個故事，當時他們班上有位來自德國的同學，在修完學分後回到德國繼續撰寫論文。好不容易寫好送出的論文，老是被美國的指導教授退稿，頻頻指出運算有問題並要求修改。持續幾次的來回修改和退稿後，德國同學實在受不了，專程飛回美國與指導教授當面討論，這才發現，原來師生兩人各自用不同的單位計算，這位德國學生用的是公制單位，而美國老師則採用英制單位驗算。華納教授最後給這故事下的結論是：「老師也會犯錯。」

聽完這段話後我不禁猜想，他在我口試時所表現出來的嚴厲，會不會是我的某個論述，剛好與他的觀點對立，也許口試的氛圍不小心激起他捍衛與堅持的本能。事實上，以當時華納教授的聲望與地位，他大可不必特別找我說這段話，但聽著華納教授用這段故事委婉地表示老師也會犯錯，儘管他沒有自己明說，我也就心照不宣的一笑置之。

跟隨華納教授在美國學習的過程，open - mindedness（心胸開放）成了我的價值觀。他的口頭禪「Work hard, play fair, and have fun.（認真工作、公平競爭、樂在其中）」也成為我的座右銘。「尊重不同意見」不是嘴巴說說，而是打從心裡認同「不同意見的存在」，才能產生對事物充滿好奇與不斷探索的動力，尤其在醫療資訊這個跨領域的環境中，抱持心胸開放更顯重要，如果過度堅持自己觀點，永遠無法跨出領域，更不可能樂在其中。

從學生時代開始寫程式、遠赴美國學習醫療資訊科技、學成回台參與電子病歷等相關醫療資訊系統建置，到之後投入醫療人工智慧的應用，一路走來，我一直都是樂在其中，但也看到隱憂。

這幾年AI捲土重來，在許多產業掀起革命，也有不少科技業者嘗試跨入醫療領域。但我認為，就醫療而言，應用AI早已經不是「想不想」的問題，而是非做不可，也不能再等了。
台灣已經邁入高齡社會，隨著人口老化，我們需要投入的醫療資源越來越多；加上少子化影響，人力資源短缺，醫護人員得照顧的病人越來越多，每個人能被分配到的資源變得稀少又難得，這些問題該怎麼解決？

如果能夠徹底運用AI的偵測、預測與預防的技術，就有機會解決長期照護（以下簡稱長照）及其他醫療的重大問題。我寫這本書的緣起，就是為了表達AI已成為醫療必要的基礎建設，投資AI就是投資自己和子子孫孫健康的未來。

很幸運的，過去的醫療與資訊跨領域養成，讓我能在AI時代發揮所長，這一路上也遇到許多志同道合的夥伴互相提攜成長。目前我與研究團隊正積極投入多項醫療人工智慧研究計畫，2017年更成立「台灣醫療人工智慧創新研究中心（Artificial Intelligence for Medicine and Health Innovation，簡稱AIMHI ）」，希望推動適合醫療應用的人性化AI，期待不久的將來，AI除了幫助醫療人員提供精準的醫學診斷與治療外，也能給予病人具有同理心的關懷回饋。

希望透過這本書，讓那股躍躍欲試、迫不及待用電腦做出點什麼的熱忱火苗，在更多人心中延燒，實現「AI with Humanity, for Humanity （為人類而生的人性智慧）」的醫療新紀元。

〈AI把關，用藥更安全〉 (摘自本書第二章第三節)
台灣用藥量與其他國家相比，數量相當驚人，總人口雖然只有2,300萬，每一年全台醫療院所開出的處方箋卻高達3億6,000萬張，健保局給付的藥品費用一年高達1,200億元。
根據行政院主計處調查，2016年家庭消費支出結構按消費型態區分（如下圖），食品飲料及菸草占15.76％，醫療保健花費占15.33％。也就是說，台灣人每100元的花費，有15元用在吃飯，也有15元用在看病吃藥，「吃藥」幾乎跟「吃飯」一樣重要了。
如此龐大的用藥量，相對出現問題的機率也會增加，不論大醫院或小診所都可能曾發生藥物劑量錯誤、使用方式混淆等用藥疏失，輕則傷身，重則致命。
醫療用藥過程可區分為四個階段：從醫師開處方箋（Prescribe/Transcribe）、藥師調劑（Dispense）、住院給藥（Administration）到病人服藥遵從性（Compliance），每個環節都可能發生錯誤，若能透過AI把關，便能在問題發生前將之「攔截」，有效降低用藥錯誤的機率。
以AI做為用藥安全的第一道防線，在醫療階段早期捕捉不適當用藥處方，不僅確保病人安全與品質，更能減少後續衍生不必要的醫療成本。

第一階段：AESOP預警攔截問題處方

就醫師開處方箋來說，AI可以扮演很好的守門人角色。
醫師每天得開出許多處方箋，藥方和病症並非絕對的一對一恆等式，而是一對多、多對一，乃至多對多的複雜交錯關係，光是普拿疼一種藥，就可以用在1,500種疾病上，要做出百分之百正確的下藥判斷，對醫師也是很大的考驗。
據估，台灣一年約有1,800萬張的不適當處方，大約是台灣每年3億6,000萬張處方箋中的5%，這個比例和美國相當也接近全球平均。
在這5％之中，很大比例是不小心多開幾顆胃藥，或診斷漏開的情況，看似不嚴重，仍然不可不慎，開錯藥不僅會對人體造成傷害，嚴重甚至會致命，過去就曾發生過某醫院開錯劑量，將每次0.5顆的劑量開成每次5顆，導致病人一次吃下十倍劑量而致死的案例。
如果只是將適應症和用藥規則化，輸入電腦、建立資料庫，並無法徹底管理處方箋錯誤的問題，主因在於臨床上有太多例外狀況，舉例來說，感冒並不是抗生素的適應症，但是當醫師根據病人的狀況，認為有必要開抗生素時，該不該視為開錯藥？
還有醫師在開藥時，有時候會採取「off - labeluse（藥品仿單標示外使用）」，意思是不按照適應症去用藥，例如一種名為Levamisole（左美索）的驅蟲藥，因為具有免疫調控功能，有時候皮膚科醫師會用來治療困難的病毒疣，像這類「off - labeluse」，依常規所建之資料庫就無法顧及。
為了有效攔截問題處方，北醫的團隊利用健保資料庫、大型醫院提供的電子病歷資料，加上科學文獻資料，研究醫師處方行為，分析數億張處方箋後，推導出疾病與藥物、藥物與藥物關連性，運用不同的AI演算法，開發出「智慧型藥物安全系統」（AI-enhancedSafetyofPrescription，簡稱AESOP），當處方中出現無法被診斷或其他藥物所解釋的用藥時，就可能為不適當處方，之後可以適時適度地提醒醫師，避免發生用藥錯誤。
為了提高AESOP系統的準確度，北醫團隊也和醫學中心合作，持續擴大臨床試驗。目前可有效捕捉到50%至80%的不適當處方。醫師在對系統提示的接受度，也從初期的4成，提升到6成。

【內容試閱二】〈沒有AI，就沒有精準醫療〉 (摘自本書第三章第二節)
如果有一款癌症藥物療程，要價50萬美元（約新台幣1,500萬元），一個月內病情沒有起色就免費，相對治療一個月病情有反應則收取費用，這樣的價格與條件，你願意買單嗎？
2017年8月30日，美國食品藥物管理局通過諾華大藥廠（NOVARTIS）針對復發淋巴型血癌所出品的癌症新藥療法「KYMRIAH」，它是從病人血液中取出對抗疾病的T細胞，經過基因改造後，可以鎖定癌細胞。只要在實驗室複製百萬倍的數量後，再注入病人體內繼續複製，這就像培養一群保衛部隊，能協助揪出癌細胞並加以摧毀，不但為癌症治療開啟新紀元，也是精準醫療的里程碑。
所謂精準醫療（PrecisionMedicine），簡而言之，就是結合一個人的基因、生理、環境、行為等大數據，實現「個人化治療」的理想。

打造個人化診療

傳統醫學對疾病大致採取「一體適用」或「以偏概全」的預防或治療策略，鮮少考量不同個體間的差異；而精準醫療的精神，則是針對不同的個體，以量身打造的方法進行診療。
精準醫學勾勒出美好願景，但要落實普及化，仍有一段漫漫長路，畢竟要針對個人「客製化」研發新藥或療法，成本實在太高，因此也許可以先把對象從「個體」擴展為「族群」，會是比較務實的作法。
至於如何把疾病風險及治療方法精準話，醫界以下列四大面向指標評估：
一、基因型（Genotype）指標：性別、致癌基因、DNA修復基因、抑癌基因、上位基因修飾、免疫基因組（TCR/BCR）……等。
二、表現型（Phenotype）指標：年齡、血液檢驗、BMI、健康存摺、電子病歷、家族病史、自律神經、人格特質、情緒……等。
三、暴露型（Exposotype）指標：空氣PM2.5、CO2（AQI）、噪音、光線、化學物質、氣溫、氣壓、濕度、背景輻射值、磁場、壓力……等。
四、行為型（Behavioraltype）指標：運動、熬夜、菸酒和檳榔、作息、工作型態、飲食、藥物、家庭生活、社交活動……等。
根據這四大面向收集到的數據，資料越多、越完整，對個人罹患疾病風險的預測及對疾病的治療，就會更加精準。