---

CARES團隊林鴻儒醫師以心臟科與內科的背景，從預防醫學與流行病學的角度切入，詳細闡述了大數據在疾病風險預測與精準健康中的應用。他強調，隨著台灣平均餘命延長，如何延長「健康餘命」成為當務之急。疾病風險預測可以幫助我們及早辨識高風險族群，尤其在慢性病的早期階段如易感期和臨床前期，透過改變生活習慣將疾病進展延緩甚至逆轉。林醫師介紹了大數據的五大特性（Volume、Variety、Velocity、Veracity、Value），並解析了如何整合多元醫療數據（如臨床資料、實驗室指標、睡眠數據及基因檢驗）以提高預測準確度。

他進一步說明以福爾摩斯式推理與科學驗證方法，結合人工智慧與機器學習模型（例如Random Forest、Neural Network、XGBoost），建立糖尿病前期風險預測模型，找出重要特徵指標，提升模型的可解釋性與穩定性。林醫師特別指出，模型的複雜度與預測誤差間存在權衡，需找到最佳平衡點。最終，他提出從「Big Data」轉向「Smart Data」的概念，強調數據的精準整理、核實與動態更新是提升預測質量的核心。台灣在智慧醫療數據庫建構與國際資料標準接軌方面已有基礎，精準健康產業成長已是必然的趨勢。

他也呼籲醫療界持續利用大數據強化疾病風險預測，配合健康行為介入（如運動與飲食），共同邁向個人化精準健康的新典範。

重點摘錄

• 台灣健康餘命雖延長，但傷殘餘命尚高，延長健康餘命是重點。
• 大數據五大特性（量、種、多樣性、速度、正確性、價值）帶來疾病風險預測新契機。
• 早期疾病風險預測可在易感期進行預防，減緩疾病進展。
• 機器學習與人工智慧技術提升預測模型準確度與效率。
• 模型複雜度與預測誤差存在權衡，需找到最佳平衡。
• 台灣已有長期罹病者數據庫，與國際研究並駕齊驅。
• 從大數據到精準數據，連結國際資料標準與合作是未來發展關鍵。

講者