講者 : 陳信華主任 台中榮民總醫院 數位醫療部部主任
關鍵字: OMOP CDM、AI、支援聯邦學習與多中心研究
文 / GHD團隊 / 李修安、燕洛嫺
本演講中，由台中榮民總醫院數位醫療部主任陳信華醫師探討了如何透過OMOP（Observational Medical Outcomes Partnership, 觀察性醫療結果研究聯盟）來提升醫學中心的數據研究能量，說明OMOP在提升數據標準化、推動智慧醫療、促進多中心研究和推動醫療數據互通性(interoperability)方面的角色與優勢。
台中榮總自2006年起就致力於建立臨床資料庫，並逐步整合院內不同來源的數據，如健保申報資料、電子病歷、醫療儀器數據等，這些數據最初被儲存於內部的資料倉儲系統，並逐步導入商業智慧工具以簡化數據查詢流程。
隨著醫療數據量的持續增長和跨機構研究需求的增加，台中榮總於2023年正式導入OMOP作為數據標準化的核心框架，運用OMOP CDM（Common data model, 通用數據模型）提供標準化的數據結構，使得不同來源的數據能夠進行統一的整理和分析。
圖一: 陳信華醫師演講剪影
OMOP提升數據研究能力的優勢
1. 數據標準化與互通性
OMOP的核心在於其標準化的數據模型，能夠將不同來源的數據進行統一轉換。這種標準化讓研究人員能夠更容易地進行數據的擷取、分析和應用，進而提升醫學研究的效率和精確度。
2. 提高數據分析的生產力
OMOP的應用有助於減少數據清洗和標準化的工作，讓數據分析師和研究人員能夠專注於數據分析本身，台中榮總透過OMOP進行的多項研究顯示，OMOP不僅能夠支援電子病歷、健康保險數據和疾病登錄的整合，還能夠納入物聯網（IoT）數據，為智慧醫療和人工智慧的發展建立基礎應用架構。
3. 支援聯邦學習與多中心研究
OMOP在多中心研究中的應用特別顯著，因其支持聯邦學習（Federated Learning）模式，允許不同醫療機構在不共享原始數據的情況下進行協同分析。台中榮總在肝癌和骨質疏鬆等主題資料庫的構建中，透過OMOP實現了跨機構數據的整合與聯合分析。
![OMOP支援聯邦學習 [Ref:演講投影片]](/Annual/2/Activities/003-2.webp)
圖二: OMOP支援聯邦學習 [Ref:演講投影片]
OMOP在智慧醫療中的應用案例
1. AI預測與早期警示系統
OMOP在智慧醫療中的應用範例之一是疾病發展進程的早期警示系統。台中榮總利用OMOP的標準化數據來開發AI模型，該系統成功降低了病房非預期惡化個案的發生率，並有效提升了臨床照護的質量。
2. 放射影像與基因資料的整合
台中榮總利用OMOP整合了放射影像和基因資料，建立了多個主題資料庫，如骨質疏鬆資料庫和紅斑性狼瘡資料庫。這些資料庫不僅支援AI應用於影像辨識和診斷，還能夠用於基因相關疾病的研究，為個人化醫療提供了基礎。
導入OMOP後，使得台中榮總的研究能量大幅提升，研究人員可以在短時間內完成數據的標準化處理和分析，提高了研究效率和成果的可重複性。OMOP的應用也為精準醫療的發展提供了可能。透過將OMOP用於大數據分析和AI模型的開發，台中榮總得以建立多個疾病的預測模型，例如：慢性腎病的進程預測和骨質疏鬆的風險評估。
OMOP作為一種前瞻研究的數據標準化工具，在提升醫學中心的數據研究能力方面發揮了關鍵作用。台中榮總透過OMOP的應用，不僅提升了研究效率和數據品質，還促進了多中心研究和國際合作。隨著OMOP與FHIR的進一步整合，以及雲端技術的轉型，台中榮總的數據研究能力將持續增強，為智慧醫療和精準醫療的發展奠定堅實基礎。
![放射影像 CDM (R-CDM) 連接 OMOP-CDM [Ref:演講投影片]](/Annual/2/Activities/003-3.webp)
圖三: 放射影像 CDM (R-CDM) 連接 OMOP-CDM [Ref:演講投影片]
