緣起
本網站在『健康大數據永續平台計畫』的推動下建置，旨在建立我國完善的健康大數據體系，並以支援醫療照護、研究應用與產業發展為目標。網站集成並提供關鍵的感染症傳播參數數據及相應的公共衛生政策訊息以及透過強化抗生素抗藥性監測來提升公共衛生和醫療系統的效能。透過快速掌握微生物抗藥性之趨勢變化，協助政府單位制定更加有效的防治政策，從而保護公眾健康。具體架構包括：
強化抗生素抗藥性監測效能：協助政府單位及時掌握微生物抗藥性的趨勢變化，並提供可靠數據做為防治政策的基礎。
利用AI預測提供臨床應用：利用AI技術有效預測抗藥性，提升臨床用藥參考及醫療品質。
提升資料品質：通過建立標準化資料格式，減輕醫療機構的負擔，提高數據的準確性和一致性。
保障病人資訊安全：在保障病人隱私的前提下，促進與其他健康大數據的串接，推動資料共享以提升公共健康研究和政策制定的效率。
架構
本網站旨在確保數據收集、處理和應用的高效運行及促進國際合作和知識共享。具體架構包括：
數據標準化：建立統一的資料標準格式，降低醫療機構的數據處理負擔，確保高質量的數據輸出。
資訊安全保障：在數據共享和應用的過程中，確保病人資訊的安全，遵循相關法律和規範。
國際合作：促進與國際社群的合作，提升台灣在抗藥性監測領域的國際可見性，並分享蒐整數據和研究成果。
永續
為確保本計畫的持續發展及長期效益，我們將：
提供感染症傳播參數及政策：未來以幫助研究人員和政策制定者評估疫情風險和制定適當的防控策略。
發展感染症相關疾病預測和預防策略：透過AI技術建立預測模型，制定有效的感染症預防策略，提升醫療效益，減少疾病發生率。
促進資料共享與國際交流：在保障資訊安全的前提下，促進健康大數據的共享與應用，並通過國際合作分享台灣的研究成果和最佳實踐經驗。
三大主題式資料庫
一、抗生素抗藥性資料庫
台灣抗藥資訊網(Taiwan Antimicrobial Resistance Network,TANK)，可透過此網站監測加強對抗生素藥物抗藥性之了解，亦可藉由網站上的資訊來評估降低傳染病發病率及優化抗生素藥物使用的政策方向，主要包含三項目：
1.感染強度(Infection Intensity)：細菌感染率(%)及每千住院人日的感染人次 (Number of infections per 1000 patient day)。
2.抗生素抗藥性(Antibiotic Resistance)：不同抗生素的非敏感性(non-susceptibility)百分比。
3.抗生素用量(Antibiotic Use)：不同抗生素的DDD per 1000 population(or patient) day。
二、感染症傳播參數與政策資料庫
建立台灣感染症傳播參數與相關公共政策的資料庫，提供台灣新冠肺炎(COVID-19)疫情數據和政策訊息，支援公共衛生研究政策制定。包含以下參數：
每日新增新冠肺炎(COVID-19)確診人數
數據更新：提供台灣每日新增新冠肺炎(COVID-19)確診人數。
數據可視化：通過圖表和趨勢線展示每日新增確診人數的變化趨勢，幫助用戶理解疫情的發展。
累積疫苗接種率
接種統計：記錄台灣全國的累積疫苗接種數據，包括第一劑、第二劑、第三劑、第四劑的接種情況。
接種趨勢：顯示疫苗接種率的變化趨勢，幫助用戶了解疫苗接種的進展和覆蓋率。
居家隔離政策時間軸
政策概覽：記錄台灣的居家隔離政策，包括隔離時間、適用情況、政策變動等。
時間軸展示：以時間軸展示政策的變化，使用戶能夠清晰了解政策的實施歷程。
入境居家檢疫政策時間軸
政策概覽：記錄台灣針對入境旅客的居家檢疫政策，包括檢疫時間、要求和政策變動。
時間軸展示：以時間軸展示政策的變化，使用戶能夠清晰了解政策的實施歷程。
三、病原體主體式資料庫
• 與健保署合作：
．以Natural Language Processing (NLP) 技術清整資料欄位格式以符合標準，AI的正確率達94.54%。
．開發AI技術，自動化彙整各家醫院感染症資料。快速省時，協助了解各家醫院資料的完整率。
• 與醫院方合作：
．運用AI模型預測病原體抗藥性，提供一套關於抗藥性細菌鑑別的標準流程。可提前24小時精準診斷，大幅縮短鑑定時間。
網站編輯成員
邱弘毅
鄒小蕙
郭書辰
陳怡凱
吳小玉
李芳靚
