醫守が台北医学大学から正式にスピンオフして独立する前から、私たちのコアモデルはすでに10年間にわたる研究基盤を蓄積していました。醫守のプロトタイプは、実は李友専教授が長年にわたり率いてきた投薬安全研究プロジェクトであり、教授と様々な研究チームの努力を経て、モデルデータベースと分析能力の基礎が段階的に築かれました。

かつてコンピュータの計算能力が非常に限られていた頃、李教授と当時の研究メンバーたちは、疾患と薬物の相互関係を明らかにしようと試みた初期段階で、12年分に及ぶ健康保険データ、ICD-9バージョンの7,000種類の疾患、そして1,400種類の薬物をまとめ上げました。さらには、国家高速ネットワーク・計算センターの計算リソースを苦労して手配したものの、予想に反して、これほどのデータ量を計算するには100年以上の時間が必要であると告げられてしまったのです。

この苦境を解決するため、彼らはより現実的な方法を考案しました。一度に次元をまたぐ多変量解析を行うのではなく、まずは独立した各次元の中で個別に研究を進め、疾患と疾患の関係性をそれぞれ探求し、同様の方法ですべての薬物を分析しました。その後、段階的に次元をまたぐクロス分析を行い、疾患と薬物の相互作用をさらに深く理解していったのです。

その後、研究の幅は純粋な学術研究から臨床研究へと徐々に広がり、新たなステージへと進んでいきました。

理想主義的な研究者たちも、ついに現実と直面せざるを得なくなりました。学術研究や臨床研究がいかに価値のあるものであっても、製品として社会実装し、規模の経済を実現できなければ、より多くの臨床現場で実際に活用され、医師が現実世界の医療課題を解決する手助けをすることは不可能なのです。また、膨大かつ複雑な電子カルテシステムの中に隠された難題は、外部から想像できるようなものではないことを痛感しました。そこで李教授は起業を決意し、龍安靖氏とジェレマイア・ショール（Jeremiah Scholl）博士を招き入れ、医療課題を改善するための実用的で使いやすいツールを共に構築することにしました。

2019年に醫守が法人化されて以降、カルテデータベースの大規模な拡張を開始しました。台湾の国民健康保険だけでなく、米国のメディケア（Medicare）、世界的に有名なメイヨー・クリニック（Mayo Clinic）、そしてDARTNetなどのデータも順次収録し、現在、カルテの総数はすでに32億件に達しています。AIの計算能力の向上に伴い、醫守はさらにその中から500万件の臨床関連知識を抽出・精製し、より強力な臨床ディープ推論分析ネットワークモデルを構築しました。これは、診断、処方、手術・処置、検査、カルテテキストなど、より多様で包括的な分析次元をカバーしており、さまざまな医療現場のニーズに適応することができます。また、このネットワークモデルが明確な推論ロジックを提示できることから、製品に対するユーザーの信頼が大幅に高まり、徐々にその知名度を上げていきました。

人工知能が百花繚乱の時代を迎える中、醫守はテクノロジーによって患者の安全を守ることに一貫して尽力しています。多様で柔軟なソリューションを運用して臨床現場のニーズを満たし、臨床意思決定プロセスにおいて医療人工知能の「意味のある利用（meaningful use）」をより多く実現することで、カルテ情報の川上から川下までの統合をよりスムーズにし、臨床業務の効率と医療の質を向上させています。